多标记分类中的半监督降维和集成学习
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·多标记降维的研究现状 | 第11-12页 |
| ·半监督降维的研究现状 | 第12-13页 |
| ·集成学习的研究现状 | 第13-15页 |
| ·本文的主要内容及章节安排 | 第15-17页 |
| 第二章 多标记分类、半监督学习和维度约减 | 第17-29页 |
| ·多标记分类 | 第17-21页 |
| ·问题转化法 | 第18页 |
| ·算法自适应法 | 第18-19页 |
| ·性能评价指标 | 第19-21页 |
| ·半监督学习 | 第21-24页 |
| ·维度约减 | 第24-28页 |
| ·线性维度约减 | 第24-25页 |
| ·非线性维度约减 | 第25-28页 |
| ·本征维度估计 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于半监督判别分析的多标记维度约减 | 第29-44页 |
| ·问题引入 | 第29页 |
| ·数学定义 | 第29-30页 |
| ·多标记半监督判别分析MSDA | 第30-36页 |
| ·目标函数推导 | 第30-33页 |
| ·求解特征值问题 | 第33-35页 |
| ·MSDA算法描述 | 第35页 |
| ·算法复杂度分析 | 第35-36页 |
| ·基于核函数的MSDA | 第36-37页 |
| ·实验 | 第37-43页 |
| ·实验环境 | 第37-38页 |
| ·数据集描述 | 第38页 |
| ·性能评价 | 第38-39页 |
| ·实验结果与分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于软成对约束投影的多标记集成 | 第44-62页 |
| ·分类中的集成学习 | 第44-45页 |
| ·常见集成学习方法及实验比较 | 第45-47页 |
| ·集成学习方法 | 第45-46页 |
| ·实验比较 | 第46-47页 |
| ·基于软成对约束的多标记集成算法(SPACME) | 第47-53页 |
| ·问题与算法思路 | 第47-48页 |
| ·多标记约束投影 | 第48-49页 |
| ·样本权重更新 | 第49-50页 |
| ·多标记分类器集成 | 第50页 |
| ·SPACME算法过程 | 第50-51页 |
| ·SPACME算法伪代码 | 第51页 |
| ·算法复杂度分析 | 第51-53页 |
| ·实验 | 第53-61页 |
| ·实验环境 | 第53页 |
| ·数据集描述 | 第53页 |
| ·算法评价 | 第53-54页 |
| ·实验设计 | 第54-55页 |
| ·实验结果 | 第55-60页 |
| ·分析与讨论 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·论文工作总结 | 第62-63页 |
| ·未来工作展望 | 第63-64页 |
| 附录A 多标记分类的相关实验 | 第64-67页 |
| 附录B 维度约减的相关实验 | 第67-72页 |
| 参考文献 | 第72-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间的主要研究成果 | 第83-84页 |
