| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.2 国内外研究近况 | 第16-17页 |
| 1.3 本文研究内容及组织结构 | 第17-20页 |
| 第二章 多标签分类基础 | 第20-28页 |
| 2.1 多标签问题描述 | 第20页 |
| 2.2 多标签分类问题的主要挑战 | 第20-21页 |
| 2.3 多标签分类器性能衡量指标 | 第21-25页 |
| 2.4 多标签分类器的性能评估方式 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 三层BP神经网络算法基础 | 第28-38页 |
| 3.1 三层BP神经网络结构描述 | 第28-29页 |
| 3.2 三层BP神经网络的学习过程 | 第29-32页 |
| 3.3 三层BP神经网络训练流程 | 第32页 |
| 3.4 三层BP神经网络的参数选取 | 第32-35页 |
| 3.5 三层BP神经网络的数据预处理方法 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 利用三层BP神经网络的多标签分类算法 | 第38-66页 |
| 4.1 Basic-BP-ML算法 | 第38-43页 |
| 4.1.1 神经网络训练 | 第38-41页 |
| 4.1.2 Basic-BP-ML算法流程 | 第41-43页 |
| 4.2 BP-MLL算法 | 第43-46页 |
| 4.2.1 神经网络训练 | 第43-45页 |
| 4.2.2 BP-MLL算法流程 | 第45-46页 |
| 4.3 基于LP方法和三层BP神经网络的多标签分类算法(LP-BP) | 第46-50页 |
| 4.3.1 标签转换过程 | 第46-47页 |
| 4.3.2 神经网络训练 | 第47-49页 |
| 4.3.3 LP-BP算法流程 | 第49-50页 |
| 4.4 基于RAkEL方法和BP神经网络的多标签分类算法(RAkEL-BP) | 第50-59页 |
| 4.4.1 标签集合的划分策略 | 第51-53页 |
| 4.4.2 标签转换过程 | 第53-54页 |
| 4.4.3 LP模型训练过程 | 第54-56页 |
| 4.4.4 RAkEL-BP算法流程 | 第56-59页 |
| 4.5 实验及结果分析 | 第59-64页 |
| 4.5.1 实验数据集介绍 | 第59-60页 |
| 4.5.2 实验以及结果分析 | 第60-64页 |
| 4.6 本章小结 | 第64-66页 |
| 第五章 利用标签相关性和三层BP神经网络的多标签分类算法(LOC-BP) | 第66-74页 |
| 5.1 标签相关性的应用思路 | 第66-67页 |
| 5.2 LOC-BP算法介绍 | 第67-69页 |
| 5.2.1 神经网络训练 | 第67-68页 |
| 5.2.2 LOC-BP算法流程 | 第68-69页 |
| 5.3 实验及结果分析 | 第69-73页 |
| 5.3.1 数据集介绍 | 第69-70页 |
| 5.3.2 实验过程 | 第70-72页 |
| 5.3.3 实验结果分析 | 第72-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-78页 |
| 6.1 本文总结 | 第74-75页 |
| 6.2 未来展望 | 第75-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-86页 |
| 攻读硕士学位期间发表的学术论文 | 第86页 |
