基于两类和三类支持向量机的快速多标签分类算法
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 前言 | 第9-11页 |
| 第一章 绪论 | 第11-20页 |
| ·模式识别 | 第11-13页 |
| ·模式识别的方法 | 第11-12页 |
| ·模式识别的应用 | 第12-13页 |
| ·多标签分类算法的研究现状 | 第13-20页 |
| ·基于数据集分解的多标签方法 | 第14-17页 |
| ·基于单个优化问题的多标签方法 | 第17-20页 |
| 第二章 支持向量机 | 第20-31页 |
| ·统计学习理论 | 第20-22页 |
| ·结构风险最小化原则 | 第20-21页 |
| ·VC维简介 | 第21-22页 |
| ·推广性的界 | 第22页 |
| ·支持向量机的原理 | 第22-25页 |
| ·结构风险最小化原则的体现 | 第22-23页 |
| ·从几何上来解释 | 第23-25页 |
| ·支持向量机的数学形式 | 第25-27页 |
| ·线性分类的情况 | 第25-26页 |
| ·高维空间的情况 | 第26-27页 |
| ·支持向量机的快速算法 | 第27-31页 |
| ·分块算法 | 第28-29页 |
| ·分解算法 | 第29页 |
| ·SMO算法 | 第29-31页 |
| 第三章 基于两类和三类SVM的多标签算法 | 第31-41页 |
| ·三类支持向量机的基本原理 | 第31-35页 |
| ·三类支持向量机的快速实现算法 | 第35-37页 |
| ·基于两类和三类支持向量机的多标签算法 | 第37-41页 |
| 第四章 实验结果与分析 | 第41-55页 |
| ·多标签算法性能的评价准则 | 第41-43页 |
| ·实验数据集与实验算法 | 第43-45页 |
| ·实验数据集简介 | 第43-44页 |
| ·实验算法简介 | 第44-45页 |
| ·分类性能的比较 | 第45-51页 |
| ·酵母数据集的实验结果 | 第45-49页 |
| ·景象数据集的实验结果 | 第49-50页 |
| ·文本数据集的实验结果 | 第50-51页 |
| ·算法计算时间的比较 | 第51-55页 |
| 第五章 总结 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 已发表文章 | 第60页 |
