多标签学习应用于中医诊断帕金森中类别不均衡问题研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 帕金森病中医研究现状 | 第10-11页 |
| 1.2.1 中医对帕金森的研究现状 | 第10-11页 |
| 1.2.2 中医量表的研究现状 | 第11页 |
| 1.3 多标签学习应用于帕金森中医诊断 | 第11-12页 |
| 1.4 本文工作及组织结构 | 第12-14页 |
| 第二章 多标签类别不均衡介绍 | 第14-25页 |
| 2.1 引言 | 第14页 |
| 2.2 多标签学习介绍 | 第14-17页 |
| 2.2.1 多标签学习问题描述 | 第14-15页 |
| 2.2.2 多标签学习处理方法介绍 | 第15-17页 |
| 2.3 类别不均衡介绍 | 第17-23页 |
| 2.3.1 单标签类别不均衡 | 第18-20页 |
| 2.3.2 多标签别不均衡 | 第20-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 适应型多标签小类样本合成算法 | 第25-44页 |
| 3.1 引言 | 第25页 |
| 3.2 多标签重采样算法介绍 | 第25-29页 |
| 3.2.1 基于LP的重采样算法 | 第26页 |
| 3.2.2 基于ML的重采样算法 | 第26-29页 |
| 3.3 适应型多标签小类样本合成算法 | 第29-36页 |
| 3.3.1 小类标签实例样本选取 | 第30-31页 |
| 3.3.2 基于多标签ENN规则的噪声过滤算法 | 第31-33页 |
| 3.3.3 基于数据分布的样本生成比例计算 | 第33-35页 |
| 3.3.4 ADA-MLSMOTE算法描述 | 第35-36页 |
| 3.4 实验 | 第36-43页 |
| 3.4.1 评价标准 | 第36-38页 |
| 3.4.2 实验数据 | 第38页 |
| 3.4.3 实验设置 | 第38-39页 |
| 3.4.4 实验结果分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 标签子集样本欠采样集成学习算法 | 第44-63页 |
| 4.1 引言 | 第44页 |
| 4.2 相关工作介绍 | 第44-47页 |
| 4.2.1 单标签类别不均衡算法适应 | 第45-46页 |
| 4.2.2 标签相关性对多标签不均衡的影响 | 第46页 |
| 4.2.3 多标签类别不均衡算法适应 | 第46-47页 |
| 4.3 标签子集样本欠采样集成学习算法 | 第47-53页 |
| 4.3.1 动态标签权重选取策略 | 第48-50页 |
| 4.3.2 多标签样本随机采样 | 第50-52页 |
| 4.3.3 集成方式 | 第52-53页 |
| 4.4 实验 | 第53-61页 |
| 4.4.1 实验数据 | 第53-54页 |
| 4.4.2 评测标准 | 第54-55页 |
| 4.4.3 实验设置 | 第55页 |
| 4.4.4 实验结果与讨论 | 第55-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文工作总结 | 第63-64页 |
| 5.2 不足与展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 附录1 | 第69-70页 |
| 附录2 | 第70-71页 |
