首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

多标签学习中关键问题研究

摘要第5-7页
ABSTRACT第7-9页
符号对照表第12-14页
缩略语对照表第14-18页
第一章 绪论第18-32页
    1.1 研究背景和现状第18-29页
        1.1.1 多标签分类方法的研究现状第20-23页
        1.1.2 标签空间降维方法的研究现状第23-26页
        1.1.3 多标签维度约简方法的研究现状第26-29页
    1.2 主要内容及章节安排第29-32页
        1.2.1 主要内容第29-30页
        1.2.2 章节安排第30-32页
第二章 基于簇状本征标签关系的多标签分类算法第32-52页
    2.1 RMTL方法和簇状关系第32-33页
        2.1.1 RMTL方法第32-33页
        2.1.2 簇状关系第33页
    2.2 基于簇状本征标签关系的多标签分类算法第33-41页
        2.2.1 基于交替迭代更新规则的块坐标下降第36-41页
        2.2.2 算法的理论分析第41页
    2.3 实验及分析第41-50页
        2.3.1 分类性能评价指标第42-44页
        2.3.2 参数设置与分析第44-46页
        2.3.3 实验结果与分析第46-50页
    2.4 本章小结第50-52页
第三章 基于判别性单标签特征的多标签分类算法第52-68页
    3.1 谱聚类和联合聚类第52-53页
        3.1.1 谱聚类第52页
        3.1.2 联合聚类第52-53页
    3.2 基于判别性单标签特征的多标签分类算法第53-58页
        3.2.1 谱示例校准聚类方法第54-56页
        3.2.2 基于判别性单标签特征的多标签分类算法描述第56-58页
    3.3 实验及分析第58-66页
        3.3.1 聚类数目对算法性能的影响第59-61页
        3.3.2 实验结果与分析第61-66页
    3.4 本章小结第66-68页
第四章 基于依赖最大化的标签空间降维第68-82页
    4.1 希尔伯特-施密特独立标准第68-69页
    4.2 基于依赖最大化的标签空间降维第69-73页
        4.2.1 基于依赖最大化的标签空间降维算法描述第69-72页
        4.2.2 示例核矩阵的选择第72-73页
    4.3 实验及分析第73-80页
    4.4 本章小结第80-82页
第五章 基于l_(2,1)范数的鲁棒标签空间降维第82-96页
    5.1 l_(2,1)范数第82-83页
    5.2 基于l_(2,1)范数的鲁棒标签空间降维第83-89页
        5.2.1 变形交替迭代更新算法第84-88页
        5.2.2 算法的收敛性分析第88-89页
    5.3 实验及分析第89-95页
        5.3.1 实验结果与分析第89-93页
        5.3.2 鲁棒性分析第93-95页
    5.4 本章小结第95-96页
第六章 多标签局部判别嵌入第96-110页
    6.1 传统维度约简方法简介第96-97页
    6.2 多标签局部判别嵌入第97-102页
        6.2.1 基于局部潜在结构的类内紧致性第97-98页
        6.2.2 基于局部潜在结构的类间可分性第98-99页
        6.2.3 非对称标签关系矩阵第99-100页
        6.2.4 多标签局部判别嵌入算法模型第100-102页
    6.3 实验及分析第102-108页
        6.3.1 维度约简效果分析第103-105页
        6.3.2 实验结果与分析第105-108页
    6.4 本章小结第108-110页
第七章 总结与展望第110-114页
    7.1 工作总结第110-111页
    7.2 工作展望第111-114页
参考文献第114-128页
致谢第128-130页
作者简介第130-131页

论文共131页,点击 下载论文
上一篇:基于晕动症易感性模型的差异表达基因筛选与验证
下一篇:虎杖苷对放射性肺损伤防护及肺部肿瘤抑制作用研究