基于实例与逻辑回归的多标签分类模型
| 中文摘要 | 第6-7页 |
| 英文摘要 | 第7页 |
| §1 引论 | 第8-11页 |
| §1.1 研究背景与意义 | 第8页 |
| §1.2 相关研究现状 | 第8-9页 |
| §1.3 本文主要内容和创新点 | 第9-10页 |
| §1.4 本文结构安排 | 第10-11页 |
| §2 多标签分类概念与方法 | 第11-16页 |
| §2.1 多标签分类 | 第11-12页 |
| §2.2 MLKNN方法 | 第12页 |
| §2.3 随机游走模型 | 第12-16页 |
| §2.3.1 随机游走图的生成 | 第13-14页 |
| §2.3.2 随机游走过程 | 第14-15页 |
| §2.3.3 多标签随机游走图系列 | 第15页 |
| §2.3.4 阀值选择 | 第15-16页 |
| §3 基于实例和逻辑回归混合模型 | 第16-21页 |
| §3.1 基本概念 | 第16-17页 |
| §3.1.1 K近邻法 | 第16-17页 |
| §3.1.2 Logistic回归模型 | 第17页 |
| §3.2 二元分类情形 | 第17-19页 |
| §3.3 参数估计与分类 | 第19-20页 |
| §3.4 包含额外特征的模型 | 第20页 |
| §3.5 扩充到多标签分类问题 | 第20-21页 |
| §4 实证分析 | 第21-26页 |
| §4.1 实验数据集 | 第22页 |
| §4.2 实验中用到的几种多标签分类算法 | 第22-23页 |
| §4.3 几种多标签分类效果评价指标 | 第23-24页 |
| §4.4 实验结果分析与比较 | 第24-26页 |
| §5 总结与展望 | 第26-27页 |
| §5.1 内容总结 | 第26页 |
| §5.2 未来展望 | 第26-27页 |
| 参考文献 | 第27-29页 |
| 致谢 | 第29-30页 |
