基于半监督的多标签图像分类技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·典型的多标签分类算法 | 第11-14页 |
| ·半监督学习与多标签分类 | 第14-15页 |
| ·论文组织结构安排 | 第15-16页 |
| 2 半监督学习研究概况 | 第16-24页 |
| ·未标记数据的作用 | 第16-17页 |
| ·半监督学习中的两大假设 | 第17-19页 |
| ·常用半监督算法 | 第19-23页 |
| ·自训练 | 第19-20页 |
| ·协同训练 | 第20-21页 |
| ·直推式支持向量机 | 第21-22页 |
| ·生成式模式 | 第22页 |
| ·基于图的算法 | 第22-23页 |
| ·其他方法 | 第23页 |
| ·本章小结 | 第23-24页 |
| 3 基于协同训练的多标签半监督分类算法 | 第24-36页 |
| ·相关度量标准 | 第24-25页 |
| ·算法 | 第25-28页 |
| ·ML-KNN 算法 | 第25-26页 |
| ·SSR-CT 算法 | 第26-28页 |
| ·实验 | 第28-35页 |
| ·实验数据集 | 第28-30页 |
| ·多标签评价指标 | 第30-31页 |
| ·实验设置 | 第31页 |
| ·实验结果与分析 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 4 多标签主动学习在线分类算法 | 第36-49页 |
| ·主动学习简介 | 第36-37页 |
| ·查询最具代表性和最具信息量的样本方法 | 第37-40页 |
| ·预备知识 | 第37-38页 |
| ·求解 | 第38-40页 |
| ·优化 | 第40页 |
| ·多标签主动学习在线算法 | 第40-42页 |
| ·实验 | 第42-48页 |
| ·实验数据集及实验设置 | 第42-43页 |
| ·实验结果及分析 | 第43-48页 |
| ·本章小结 | 第48-49页 |
| 5 结合主动学习的多标签半监督学习算法 | 第49-60页 |
| ·非负稀疏半监督降维 | 第49-52页 |
| ·稀疏表示理论 | 第49-50页 |
| ·基于稀疏表示的半监督降维 | 第50-52页 |
| ·结合主动学习的多标签半监督分类算法 | 第52-54页 |
| ·结合动机 | 第52页 |
| ·结合主动学习的多标签半监督分类算法 | 第52-54页 |
| ·实验结果及分析 | 第54-59页 |
| ·NNS-DR 判别性能 | 第54-55页 |
| ·结合主动学习的半监督算法性能 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-61页 |
| ·总结 | 第60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65页 |
