| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 单分类研究现状 | 第9-10页 |
| 1.2.2 多标签分类研究现状 | 第10-11页 |
| 1.2.3 耦合研究现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-13页 |
| 1.4 本文的结构 | 第13页 |
| 1.5 本章小结 | 第13-16页 |
| 第二章 多标签分类及耦合的相关知识 | 第16-24页 |
| 2.1 多标签分类 | 第16-17页 |
| 2.1.1 多标签分类的概念 | 第16页 |
| 2.1.2 多标签数据 | 第16-17页 |
| 2.2 多标签分类的方法 | 第17-21页 |
| 2.2.1 基于问题转化的方法 | 第17-18页 |
| 2.2.2 基于算法适应的方法 | 第18-21页 |
| 2.3 耦合的概念 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 基于耦合相似性的多标签k近邻分类方法 | 第24-36页 |
| 3.1 基于耦合相似性的多标签k近邻分类方法 | 第24-35页 |
| 3.1.1 耦合属性相似性 | 第26-30页 |
| 3.1.2 耦合标签相似性 | 第30-31页 |
| 3.1.3 待分类实例x_t标签的预测 | 第31-33页 |
| 3.1.4 基于耦合相似性的多标签k近邻分类的算法 | 第33-35页 |
| 3.2 本章小结 | 第35-36页 |
| 第四章 基于降维的耦合多标签k近邻分类方法 | 第36-44页 |
| 4.1 基于特征提取的耦合多标签k近邻分类方法 | 第36-39页 |
| 4.1.1 主成分分析 | 第36-38页 |
| 4.1.2 基于主成分分析的多标签k近邻分类方法 | 第38-39页 |
| 4.1.3 基于主成分分析的耦合相似性多标签k近邻分类方法 | 第39页 |
| 4.2 基于特征选择的耦合相似性多标签k近邻分类方法 | 第39-42页 |
| 4.2.1 RCSML-kNN的框架 | 第39-40页 |
| 4.2.2 RCSML-kNN的伪代码 | 第40-42页 |
| 4.3 本章小结 | 第42-44页 |
| 第五章 实验结果与分析 | 第44-52页 |
| 5.1 实验数据及方法 | 第44页 |
| 5.2 评价指标 | 第44-45页 |
| 5.3 CSML-kNN实验结果 | 第45-48页 |
| 5.3.1 不同λ值对各指标值的影响 | 第46-47页 |
| 5.3.2 不同k值对各指标值的影响 | 第47页 |
| 5.3.3 不同多标签分类方法的比较 | 第47-48页 |
| 5.4 基于降维的多标签k近邻实验结果 | 第48-49页 |
| 5.5 本章小结 | 第49-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 全文工作总结 | 第52页 |
| 6.2 未来工作展望 | 第52-54页 |
| 附录 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 在读期间科研成果清单 | 第64页 |
