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 |
