基于进化多目标优化的多标签分类算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 本文结构安排 | 第16-17页 |
| 第二章 相关理论及工作 | 第17-34页 |
| 2.1 多目标优化相关理论 | 第17-24页 |
| 2.1.1 多目标优化问题的定义 | 第17-18页 |
| 2.1.2 传统的多目标优化方法 | 第18-19页 |
| 2.1.3 进化多目标优化方法 | 第19-24页 |
| 2.2 多标签分类相关理论 | 第24-33页 |
| 2.2.1 多标签分类算法 | 第25-30页 |
| 2.2.2 多标签分类算法性能的评价指标 | 第30-32页 |
| 2.2.3 多标签分类算法的应用 | 第32-33页 |
| 2.3 小结 | 第33-34页 |
| 第三章 基于向量空间模型的遗传算法 | 第34-43页 |
| 3.1 引言 | 第34-35页 |
| 3.1.1 拥挤距离的缺点 | 第34页 |
| 3.1.2 个体重复的缺点 | 第34-35页 |
| 3.2 基于向量空间模型的遗传算法 | 第35-40页 |
| 3.2.1 改进向量空间模型 | 第35-36页 |
| 3.2.2 基于向量空间模型的排挤制度 | 第36-37页 |
| 3.2.3 排挤制度对比分析 | 第37页 |
| 3.2.4 对NSGA-Ⅱ的具体改进 | 第37-38页 |
| 3.2.5 基于向量空间模型的遗传算法的流程 | 第38-40页 |
| 3.3 实验结果与分析 | 第40-41页 |
| 3.3.1 测试函数 | 第40页 |
| 3.3.2 实验结果及分析 | 第40-41页 |
| 3.4 小结 | 第41-43页 |
| 第四章 基于进化多目标优化的多标签分类算法 | 第43-58页 |
| 4.1 基于多目标的多标签分类问题的定义 | 第43-44页 |
| 4.2 基于进化多目标优化的多标签分类算法 | 第44-49页 |
| 4.2.1 模型训练阶段 | 第44-47页 |
| 4.2.2 模型选择阶段 | 第47-49页 |
| 4.2.3 复杂度分析 | 第49页 |
| 4.3 实验结果与分析 | 第49-57页 |
| 4.3.1 实验设置 | 第50-51页 |
| 4.3.2 性能比较 | 第51-53页 |
| 4.3.3 参数设置 | 第53-54页 |
| 4.3.4 目标数的影响 | 第54-55页 |
| 4.3.5 正则项的影响 | 第55-56页 |
| 4.3.6 ML-EMO算法和加权和算法的比较 | 第56-57页 |
| 4.4 小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 附录A 读研期间发表学术论文和参与科研项目 | 第66-67页 |
| 致谢 | 第67页 |
