基于问题转换的偏标记学习算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 引言 | 第8-11页 |
| 1.2 偏标记学习研究现状 | 第11-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第二章 偏标记学习算法 | 第13-19页 |
| 2.1 问题定义 | 第13页 |
| 2.2 算法适应方法 | 第13-16页 |
| 2.3 问题转换方法 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 基于特征感知消歧的偏标记学习算法 | 第19-33页 |
| 3.1 特征感知学习 | 第19页 |
| 3.2 PL-LEAF算法 | 第19-24页 |
| 3.2.1 特征感知消歧 | 第20-22页 |
| 3.2.2 预测模型归纳 | 第22-24页 |
| 3.2.3 算法流程 | 第24页 |
| 3.3 实验 | 第24-32页 |
| 3.3.1 数据集与实验设置 | 第25-28页 |
| 3.3.2 人工数据集结果 | 第28-31页 |
| 3.3.3 真实数据集结果 | 第31-32页 |
| 3.3.4 参数敏感性分析 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于三元纠错输出编码的偏标记学习算法 | 第33-42页 |
| 4.1 三元分解到二类分类问题 | 第33-35页 |
| 4.2 PL-TECOC算法 | 第35-36页 |
| 4.2.1 编码阶段 | 第35-36页 |
| 4.2.2 解码阶段 | 第36页 |
| 4.3 实验 | 第36-41页 |
| 4.3.1 数据集与实验设置 | 第36-37页 |
| 4.3.2 人工数据集结果 | 第37-38页 |
| 4.3.3 真实数据集结果 | 第38-41页 |
| 4.3.4 参数敏感性分析 | 第41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 附录 | 第48页 |
