首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于可能性理论的多标签分类研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-11页
缩略语对照表第11-14页
第一章 绪论第14-22页
    1.1 课题背景与意义第14-16页
        1.1.1 数据挖掘背景与意义第14-15页
        1.1.2 不确定性背景与意义第15-16页
    1.2 数据分类的研究现状第16-19页
        1.2.1 数据挖掘的功能第16-17页
        1.2.2 单标签分类的研究现状第17页
        1.2.3 多标签分类的研究现状第17-19页
    1.3 可能性理论分类问题第19-20页
    1.4 本文的主要内容和结构安排第20-22页
第二章 可能性理论相关知识第22-30页
    2.1 可能性理论第22-25页
        2.1.1 可能性分布第22-23页
        2.1.2 条件可能性分布第23-24页
        2.1.3 可能性测度第24-25页
        2.1.4 可能性理论中的不确定度第25页
    2.2 朴素可能分类器第25-29页
        2.2.1 可能分类器原理第25-27页
        2.2.2 条件可能性分布第27-29页
    2.3 本章小结第29-30页
第三章 基于特征加权的朴素可能分类器第30-44页
    3.1 特征加权方法第30-31页
    3.2 加权朴素可能分类算法第31-35页
        3.2.1 基于属性贡献度的特征加权第31-32页
        3.2.2 基于非特异性增益的特征加权第32-33页
        3.2.3 具体的算法流程第33-34页
        3.2.4 算法复杂度第34-35页
    3.3 实验部分第35-43页
        3.3.1 数据集第35页
        3.3.2 实验设置第35-36页
        3.3.3 实验结果分析第36-43页
    3.4 本章小结第43-44页
第四章 基于可能性理论的多标签分类问题第44-64页
    4.1 多标签分类问题第44-46页
        4.1.1 常用的方法第45-46页
    4.2 基于可能性的多标签分类第46-53页
        4.2.1 朴素可能二元相关分类器第46-49页
        4.2.2 树朴素可能链分类器第49-53页
    4.3 实验仿真第53-63页
        4.3.1 数据集第53页
        4.3.2 评估标准第53-55页
        4.3.3 实验结果与分析第55-63页
    4.4 本章小结第63-64页
第五章 总结与展望第64-66页
    5.1 工作总结第64-65页
    5.2 工作展望第65-66页
参考文献第66-70页
致谢第70-72页
作者简介第72-73页

论文共73页,点击 下载论文
上一篇:基于决策函数的多标签分类研究
下一篇:基于链分类器的多标记分类问题研究