| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题背景 | 第11-12页 |
| ·课题研究意义和应用前景 | 第12页 |
| ·国内外研究现状 | 第12-17页 |
| ·国内研究现状 | 第13-17页 |
| ·国外研究现状 | 第17页 |
| ·本文工作与章节安排 | 第17-19页 |
| 第2章 多标记学习相关理论基础 | 第19-27页 |
| ·多标记学习的统计学基础 | 第19-20页 |
| ·机器学习基础 | 第19-20页 |
| ·统计学习理论的关键定理 | 第20页 |
| ·多标记数据集 | 第20-23页 |
| ·多标记数据的数学表示方法 | 第23页 |
| ·多标记数据集测量方法 | 第23-25页 |
| ·多标记学习评价方法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 多标记学习问题的转移方法,及常见适应性分类方法 | 第27-36页 |
| ·多标记学习问题转移方法 | 第27-30页 |
| ·转移标记的基本方法 | 第27-28页 |
| ·转移样本的基本方法 | 第28-30页 |
| ·多标记学习问题适应算法 | 第30-35页 |
| ·C4.5决策树算法及ADABOOST算法 | 第30-31页 |
| ·概率算法 | 第31-32页 |
| ·感知器,神经网络及支持向量机算法 | 第32-33页 |
| ·消极学习算法 | 第33-34页 |
| ·关联算法 | 第34-35页 |
| ·分类链集成算法 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于类对特征选择方法的多标记分类框架的应用 | 第36-62页 |
| ·维数约简技术 | 第36-37页 |
| ·常见的特征降维方法 | 第37-40页 |
| ·特征选择 | 第37-38页 |
| ·特征抽取 | 第38-40页 |
| ·多标记监督外部和内部降维策略 | 第40-42页 |
| ·外部降维方法 | 第40-41页 |
| ·内部降维方法 | 第41-42页 |
| ·多标记降维出现的问题和REAL框架的的提出 | 第42-43页 |
| ·REAL框架的基本思想和完成过程 | 第43-61页 |
| ·REAL框架中使用的类对特征选择方法 | 第44-45页 |
| ·实验相关的多标记学习算法的实现过程 | 第45-50页 |
| ·实验与比较 | 第50-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 基于协同进化遗传算法的多标记特征挑选 | 第62-69页 |
| ·遗传算法的基本内容和关键应用 | 第62-64页 |
| ·遗传算法的基本过程 | 第62-63页 |
| ·遗传算法的关键技术 | 第63-64页 |
| ·协同进化遗传算法优化类对特征子集的策略 | 第64-67页 |
| ·协同遗传算法的基本介绍 | 第64页 |
| ·协同遗传算法在多标记REAL框架下的应用 | 第64-67页 |
| ·相关实验结果与分析 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 中医问诊分析系统的初步实现 | 第69-77页 |
| ·问诊系统的软件平台 | 第69-72页 |
| ·C++开发语言介绍 | 第69页 |
| ·面向对象的程序设计 | 第69-70页 |
| ·RATIONAL ROSE软件介绍 | 第70-72页 |
| ·中医问诊系统的软件开发 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 第7章 总结与展望 | 第77-79页 |
| ·本文工作总结 | 第77页 |
| ·研究的前景 | 第77-79页 |
| 参考文献 | 第79-86页 |
| 致谢 | 第86-87页 |
| 附录A 基于REAL框架的改进ML-KNN算法的MATLAB主程序 | 第87-89页 |
| 攻读硕士期间已发表论文 | 第89页 |
