Apriori算法和贝叶斯分类器在多标记学习中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·论文研究背景及意义 | 第8-11页 |
| ·论文研究背景 | 第8-10页 |
| ·研究目的和意义 | 第10-11页 |
| ·研究内容 | 第11-12页 |
| ·本文的主要内容和章节安排 | 第12-13页 |
| 第二章 多标记学习的研究现状 | 第13-25页 |
| ·多标记学习 | 第13-14页 |
| ·多标记学习算法概述 | 第14-21页 |
| ·问题转换策略 | 第14-17页 |
| ·算法适应策略 | 第17-21页 |
| ·多标记学习的评估标准 | 第21-24页 |
| ·Hamming Loss | 第21页 |
| ·One-Error | 第21-22页 |
| ·Coverage | 第22页 |
| ·Ranking Loss | 第22页 |
| ·Average Precision | 第22页 |
| ·Subset accuracy | 第22-24页 |
| ·小结 | 第24-25页 |
| 第三章 Apriori 算法在多标记分类中应用 | 第25-33页 |
| ·Apriori 算法的应用 | 第25-27页 |
| ·频繁项目集和关联规则 | 第25-26页 |
| ·Apriori 算法 | 第26-27页 |
| ·Apriori 算法在多标记学习中应用 | 第27-31页 |
| ·实验与分析 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 多标记朴素贝叶斯分类器的应用研究 | 第33-45页 |
| ·数据集处理中引入 PCA 方法 | 第33-35页 |
| ·PCA 方法引入的背景 | 第33页 |
| ·PCA 方法 | 第33-34页 |
| ·PCA 方法的应用 | 第34-35页 |
| ·贝叶斯分类 | 第35-39页 |
| ·朴素贝叶斯分类器 NBC | 第36-38页 |
| ·树扩展朴素贝叶斯分类器 TANC | 第38-39页 |
| ·朴素贝叶斯分类器应用在多标记学习框架下 | 第39-40页 |
| ·多标记朴素贝叶斯分类器 | 第39-40页 |
| ·多标记朴素贝叶斯分类器的算法步骤 | 第40页 |
| ·多标记朴素贝叶斯分类器时间和空间效率 | 第40页 |
| ·实验与分析 | 第40-44页 |
| ·实验数据集介绍 | 第40-41页 |
| ·实验平台介绍 | 第41-42页 |
| ·实验结果与分析 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第五章 结论与展望 | 第45-46页 |
| ·研究工作的总结 | 第45页 |
| ·进一步研究的展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 在学研究成果 | 第49-50页 |
| 致谢 | 第50页 |
