多义性机器学习中的标记嵌入方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 引言 | 第9-10页 |
| 1.2 本文的研究内容及意义 | 第10-12页 |
| 1.3 本文的组织结构 | 第12-13页 |
| 第二章 研究现状 | 第13-21页 |
| 2.1 多标记学习 | 第13-14页 |
| 2.2 标记分布学习 | 第14-16页 |
| 2.3 标记嵌入 | 第16-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 紧凑多标记学习算法 | 第21-35页 |
| 3.1 学习问题定义 | 第21-22页 |
| 3.2 CMLL算法 | 第22-25页 |
| 3.2.1 依赖性最大化 | 第22-23页 |
| 3.2.2 恢复损失最小化 | 第23页 |
| 3.2.3 目标函数的求解 | 第23-25页 |
| 3.2.4 核化版本 | 第25页 |
| 3.3 理论上界分析 | 第25-27页 |
| 3.4 实验 | 第27-34页 |
| 3.4.1 实验设置 | 第28页 |
| 3.4.2 实验结果 | 第28-32页 |
| 3.4.3 参数分析 | 第32-33页 |
| 3.4.4 对CMLL调参的经验化建议 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 多尺度局部保持标记嵌入算法 | 第35-49页 |
| 4.1 学习问题定义 | 第35页 |
| 4.2 MSLP算法 | 第35-40页 |
| 4.2.1 多尺度的局部保持 | 第36-38页 |
| 4.2.2 噪声鲁棒性设计 | 第38-39页 |
| 4.2.3 目标函数的求解 | 第39页 |
| 4.2.4 与特征嵌入算法的对比 | 第39-40页 |
| 4.3 实验 | 第40-47页 |
| 4.3.1 实验设置 | 第40-43页 |
| 4.3.2 可视化实验 | 第43-46页 |
| 4.3.3 量化实验 | 第46-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 结束语 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 附录 | 第59-60页 |
