| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-28页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.3 本文涉及的多标记数据集 | 第20-22页 |
| 1.3.1 自然情景图像分类数据集 | 第20-21页 |
| 1.3.2 音乐分类数据集 | 第21-22页 |
| 1.3.3 基因功能学数据集 | 第22页 |
| 1.3.4 文本及网页分类数据集 | 第22页 |
| 1.4 本文涉及的多标记评价准则 | 第22-24页 |
| 1.4.1 基于样本的评价准则 | 第23-24页 |
| 1.4.2 基于标记的评价准则 | 第24页 |
| 1.5 本文的主要研究工作 | 第24-26页 |
| 1.6 本文的组织结构 | 第26-28页 |
| 第2章 标记相关性和多标记分类的两阶段学习 | 第28-41页 |
| 2.1 引言 | 第28-29页 |
| 2.2 标记相关性和多标记分类的两阶段学习算法TMLC | 第29-34页 |
| 2.2.1 构建标记相关性矩阵 | 第30页 |
| 2.2.2 基本模型 | 第30-32页 |
| 2.2.3 模型求解 | 第32-34页 |
| 2.3 实验 | 第34-40页 |
| 2.3.1 实验设置 | 第34-36页 |
| 2.3.2 实验结果与分析 | 第36-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第3章 标记协方差和多标记分类的联合学习 | 第41-54页 |
| 3.1 引言 | 第41-42页 |
| 3.2 多标记关系学习算法MLRL | 第42-44页 |
| 3.3 标记协方差和多标记分类的联合学习算法JLSML | 第44-48页 |
| 3.3.1 算法思想 | 第44-45页 |
| 3.3.2 模型优化 | 第45-47页 |
| 3.3.3 算法描述 | 第47-48页 |
| 3.4 实验 | 第48-53页 |
| 3.4.1 实验设置 | 第48-49页 |
| 3.4.2 实验结果与分析 | 第49-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 标记相关性和多标记分类的联合学习 | 第54-83页 |
| 4.1 引言 | 第54-55页 |
| 4.2 多标记分类和标记相关性的联合学习算法JMLLC | 第55-60页 |
| 4.2.1 算法思想 | 第55-57页 |
| 4.2.2 JMLLC-LR | 第57-59页 |
| 4.2.3 JMLLC-LS | 第59-60页 |
| 4.3 基于稀疏和低秩表示的多标记分类算法SLMLC | 第60-65页 |
| 4.3.1 算法思想 | 第60-61页 |
| 4.3.2 模型优化 | 第61-64页 |
| 4.3.3 算法描述 | 第64-65页 |
| 4.4 实验 | 第65-81页 |
| 4.4.1 JMLLC算法的实验 | 第65-74页 |
| 4.4.2 SLMLC算法的实验 | 第74-81页 |
| 4.5 本章小结 | 第81页 |
| 4.6 附录 | 第81-83页 |
| 第5章 缺失标记下基于特征选择的多标记分类 | 第83-106页 |
| 5.1 引言 | 第83-84页 |
| 5.2 缺失标记下基于特征选择的多标记分类算法MLMF | 第84-88页 |
| 5.2.1 算法思想 | 第84-86页 |
| 5.2.2 模型优化 | 第86-87页 |
| 5.2.3 算法描述 | 第87-88页 |
| 5.3 实验 | 第88-105页 |
| 5.3.1 实验设置 | 第88-89页 |
| 5.3.2 实验结果与分析 | 第89-105页 |
| 5.4 本章小结 | 第105-106页 |
| 第6章 总结与展望 | 第106-109页 |
| 6.1 工作总结 | 第106-107页 |
| 6.2 工作展望 | 第107-109页 |
| 参考文献 | 第109-122页 |
| 在读期间发表的学术论文及研究成果 | 第122-123页 |
| 致谢 | 第123-124页 |
