基于邻域模型的多标记学习
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 多标记学习研究背景及意义 | 第9-10页 |
| 1.2 多标记学习研究现状及存在的问题 | 第10-16页 |
| 1.2.1 多标记分类学习的研究现状及存在的问题 | 第11-14页 |
| 1.2.2 多标记维度约简的研究现状及存在的问题 | 第14-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 第2章 相关工作介绍 | 第17-27页 |
| 2.1 多标记学习概念及评价指标 | 第17-20页 |
| 2.2 基于邻域粗糙集的单标记特征选择 | 第20-22页 |
| 2.3 基于邻域覆盖约简的单标记分类规则学习 | 第22-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 基于邻域粗糙集的多标记学习特征选择 | 第27-49页 |
| 3.1 多标记学习的邻域粗糙集模型 | 第27-33页 |
| 3.2 多粒度可分性分析 | 第33-34页 |
| 3.3 多标记学习特征选择 | 第34-38页 |
| 3.4 实验验证 | 第38-46页 |
| 3.4.1 数据集分析 | 第38-39页 |
| 3.4.2 算法分析 | 第39-41页 |
| 3.4.3 方法对比 | 第41-45页 |
| 3.4.4 显著性检验 | 第45-46页 |
| 3.5 本章小结 | 第46-49页 |
| 第4章 基于邻域覆盖约简的多标记规则学习 | 第49-55页 |
| 4.1 多标记邻域覆盖 | 第49-50页 |
| 4.2 多标记邻域覆盖约简 | 第50页 |
| 4.3 实验结果 | 第50-55页 |
| 4.3.1 实验对比 | 第50-53页 |
| 4.3.2 实验分析 | 第53-55页 |
| 第5章 总结与展望 | 第55-59页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和参加科研情况说明 | 第63-65页 |
| 致谢 | 第65页 |
