层次多标签分类算法研究与应用
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题背景和研究意义 | 第8-9页 |
| 1.2 相关研究概述 | 第9-11页 |
| 1.2.1 多标签分类算法 | 第9-10页 |
| 1.2.2 层次多标签分类算法 | 第10-11页 |
| 1.3 本文的主要研究工作 | 第11-13页 |
| 第二章 层次多标签分类 | 第13-18页 |
| 2.1 层次多标签分类定义 | 第13页 |
| 2.2 层次多标签分类相关算法 | 第13-17页 |
| 2.2.1 全局预测聚类树 | 第14-17页 |
| 2.2.2 局部预测聚类树 | 第17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 基于路径选择的层次多标签分类 | 第18-33页 |
| 3.1 算法简介 | 第18页 |
| 3.2 基分类器介绍 | 第18-21页 |
| 3.2.1 支持向量机 | 第19-20页 |
| 3.2.2 决策树 | 第20页 |
| 3.2.3 朴素贝叶斯 | 第20-21页 |
| 3.2.4 随机森林 | 第21页 |
| 3.3 路径选择 | 第21-27页 |
| 3.3.1 训练分类器 | 第22-23页 |
| 3.3.2 裁剪层次多标签树 | 第23-25页 |
| 3.3.3 计算层次标签树路径得分 | 第25-27页 |
| 3.4 实验分析 | 第27-30页 |
| 3.4.1 评估指标 | 第27-28页 |
| 3.4.2 基分类器选择 | 第28-29页 |
| 3.4.3 性能评估 | 第29-30页 |
| 3.5 算法并行化 | 第30-32页 |
| 3.5.1 Spark分布式计算框架 | 第30-31页 |
| 3.5.2 算法并行化流程 | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 基于神经网络的层次多标签分类 | 第33-51页 |
| 4.1 深度置信网络多标签分类 | 第33-39页 |
| 4.1.1 受限玻尔兹曼机 | 第33-35页 |
| 4.1.2 深度置信网络 | 第35-38页 |
| 4.1.3 多标签分类 | 第38-39页 |
| 4.2 神经网络层次多标签分类网络结构 | 第39-44页 |
| 4.2.1HMC-CNN1 | 第40-41页 |
| 4.2.2HMC-CNN2 | 第41-42页 |
| 4.2.3HMC-CNN3 | 第42-44页 |
| 4.3 HMC-CNN阈值选择策略 | 第44-48页 |
| 4.3.1 层次损失评估方法 | 第44-46页 |
| 4.3.2 单阈值选择与多阈值选择 | 第46-48页 |
| 4.4 实验和分析 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 层次多标签分类算法应用 | 第51-57页 |
| 5.1 层次多标签分类应用场景 | 第51页 |
| 5.2 层次多标签分类在日志挖掘中的应用 | 第51-56页 |
| 5.2.1 日志层次多标签分类 | 第53-54页 |
| 5.2.2 层次多标签分类结果Web可视化实现 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第62-63页 |
| 致谢 | 第63页 |
