基于标签相关特征的多标签降维研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 本文主要工作 | 第17页 |
| 1.3 论文组织结构 | 第17-19页 |
| 第二章 多标签领域研究概述 | 第19-31页 |
| 2.1 多标签学习算法 | 第20-24页 |
| 2.1.1 问题转换法 | 第21-22页 |
| 2.1.2 算法适应法 | 第22-23页 |
| 2.1.3 集成方法 | 第23-24页 |
| 2.2 多标签降维算法 | 第24-27页 |
| 2.2.1 降维技术概述 | 第24-25页 |
| 2.2.2 多标签降维研究现状 | 第25-27页 |
| 2.3 多标签学习的评价标准 | 第27-29页 |
| 2.3.1 基于排序的评价标准 | 第28-29页 |
| 2.3.2 基于样本的评价标准 | 第29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于随机子空间的多标签类属特征提取研究 | 第31-47页 |
| 3.1 引言 | 第31页 |
| 3.2 随机子空间及LIFT算法 | 第31-33页 |
| 3.2.1 成对约束 | 第32页 |
| 3.2.2 随机子空间 | 第32-33页 |
| 3.2.3 LIFT算法 | 第33页 |
| 3.3 基于随机子空间的多标签类属特征提取算法 | 第33-38页 |
| 3.3.1 类属属性空间构建 | 第33-34页 |
| 3.3.2 基于随机子空间的特征提取 | 第34-37页 |
| 3.3.3 算法描述 | 第37-38页 |
| 3.4 实验及分析 | 第38-45页 |
| 3.4.1 实验数据集描述 | 第38-40页 |
| 3.4.2 实验设置 | 第40页 |
| 3.4.3 实验结果与分析 | 第40-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于类属特征提取的多标签学习研究 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 基于类属特征提取的多标签学习 | 第47-51页 |
| 4.2.1 类属特征提取 | 第47-50页 |
| 4.2.2 算法描述 | 第50-51页 |
| 4.3 实验及分析 | 第51-58页 |
| 4.3.1 实验数据 | 第51-52页 |
| 4.3.2 算法参数设置及评价指标 | 第52-53页 |
| 4.3.3 实验结果统计与分析 | 第53-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59页 |
| 5.2 未来展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第66-67页 |
