| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究背景与意义 | 第8页 |
| ·国内外研究现状 | 第8-11页 |
| ·关注标记空间的研究现状 | 第9-10页 |
| ·基于属性空间的研究现状 | 第10-11页 |
| ·本文主要研究内容 | 第11页 |
| ·论文章节安排 | 第11-13页 |
| 第2章 多标记学习简介 | 第13-19页 |
| ·多标记学习框架 | 第13-14页 |
| ·多标记排序框架 | 第13页 |
| ·多标记分类框架 | 第13-14页 |
| ·性能评价指标 | 第14-17页 |
| ·基于样例评价指标 | 第14-15页 |
| ·基于标记评价指标 | 第15-16页 |
| ·基于排序评价指标 | 第16-17页 |
| ·基准数据集 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 基于 I2C 距离和标记相关性的多标记场景分类 | 第19-26页 |
| ·引言 | 第19页 |
| ·实验对比算法介绍 | 第19-21页 |
| ·改进 I2C 距离 | 第21-23页 |
| ·标记预测 | 第23-24页 |
| ·实验结果与分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第4章 基于样例数值关系的多标记分类研究 | 第26-32页 |
| ·理论论证 | 第26-27页 |
| ·待测样例标记全局逼近 | 第27-28页 |
| ·待测样例标记局部逼近 | 第28页 |
| ·全局映射和局部平滑 | 第28页 |
| ·实验 | 第28-31页 |
| ·数据集 | 第29页 |
| ·实验对比算法介绍 | 第29-30页 |
| ·实验结果与分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第5章 总结与展望 | 第32-35页 |
| ·本文工作总结 | 第32-33页 |
| ·下一步工作 | 第33-35页 |
| ·本文工作的改进 | 第33页 |
| ·研究工作展望 | 第33-35页 |
| 参考文献 | 第35-39页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第39-40页 |
| 致谢 | 第40-41页 |