摘要 | 第4-6页 |
Abstract | 第6-8页 |
第1章 绪论 | 第15-31页 |
1.1 课题研究的背景和意义 | 第15-16页 |
1.2 多示例学习的研究现状 | 第16-26页 |
1.2.1 示例级空间多示例学习算法 | 第17-21页 |
1.2.2 包级空间多示例学习算法 | 第21-24页 |
1.2.3 嵌入空间多示例学习算法 | 第24-26页 |
1.3 课题拟解决的主要问题 | 第26-27页 |
1.4 论文的研究内容和组织结构 | 第27-31页 |
第2章 嵌入空间算法特征映射方式的对比研究及改进的MILES算法 | 第31-46页 |
2.1 引言 | 第31-32页 |
2.2 包级特征与支持向量机组合的本质目的 | 第32-35页 |
2.2.1 基本概念 | 第32-33页 |
2.2.2 相似性特征与线性支持向量机组合 | 第33页 |
2.2.3 距离特征与非线性支持向量机组合 | 第33-34页 |
2.2.4 分析与讨论 | 第34-35页 |
2.3 采用距离特征非线性支持向量机映射方式的MILES算法 | 第35-38页 |
2.3.1 基本MILES算法 | 第35-36页 |
2.3.2 距离特征非线性支持向量机映射方式的MILES算法 | 第36-38页 |
2.4 实验数据和设置 | 第38-40页 |
2.5 实验结果及分析 | 第40-44页 |
2.5.1 分类准确率 | 第40-42页 |
2.5.2 运行时间 | 第42-44页 |
2.5.3 噪声敏感性 | 第44页 |
2.6 本章小结 | 第44-46页 |
第3章 嵌入空间算法特征选择方法的对比研究 | 第46-58页 |
3.1 引言 | 第46-47页 |
3.2 嵌入空间算法的分类与对比分析 | 第47-53页 |
3.2.1 基于过滤型特征选择的算法 | 第47-50页 |
3.2.2 基于嵌入型特征选择的算法 | 第50-53页 |
3.3 实验结果及分析 | 第53-56页 |
3.3.1 分类准确率 | 第53-54页 |
3.3.2 运行时间 | 第54-55页 |
3.3.3 噪声敏感性 | 第55-56页 |
3.4 本章小结 | 第56-58页 |
第4章 基于贪心获取特征子集的嵌入空间算法 | 第58-75页 |
4.1 引言 | 第58-59页 |
4.2 贪心的特征子集获取方法 | 第59-61页 |
4.3 贪心获取特征子集的嵌入空间算法 | 第61-67页 |
4.3.1 MILD-G:贪心的MILD算法 | 第61-63页 |
4.3.2 MILES-DG-G:贪心的MILES-DG算法 | 第63-64页 |
4.3.3 MILF:结合贪心方法和F-score技术的嵌入空间算法 | 第64-67页 |
4.4 实验结果及分析 | 第67-74页 |
4.4.1 MILD-G算法的实验分析 | 第67-69页 |
4.4.2 MILES-DG-G算法的实验分析 | 第69-71页 |
4.4.3 MILF算法的实验分析 | 第71-74页 |
4.5 本章小结 | 第74-75页 |
第5章 示例选择方法泛化能力增强的MILD算法 | 第75-95页 |
5.1 引言 | 第75-76页 |
5.2 原始算法 | 第76-81页 |
5.2.1 正示例的性质 | 第76-78页 |
5.2.2 示例选择方法 | 第78-80页 |
5.2.3 包级分类器设计 | 第80-81页 |
5.2.4 分析与讨论 | 第81页 |
5.3 基于交叉验证示例选择的MILD算法 | 第81-84页 |
5.4 实验结果及分析 | 第84-94页 |
5.4.1 药物活性预测 | 第84-87页 |
5.4.2 自动图像标注 | 第87-90页 |
5.4.3 基于区域的图像分类 | 第90-92页 |
5.4.4 示例原型数对分类性能的影响 | 第92-93页 |
5.4.5 交叉验证折数对分类性能的影响 | 第93-94页 |
5.5 本章小结 | 第94-95页 |
第6章 基于包内成对示例相似性的嵌入空间算法 | 第95-105页 |
6.1 利用相似性进行选择示例的动机 | 第95-97页 |
6.2 基于成对相似性的嵌入空间算法 | 第97-99页 |
6.3 实验结果及分析 | 第99-103页 |
6.3.1 分类准确率 | 第99-100页 |
6.3.2 运行时间 | 第100-102页 |
6.3.3 整体性能 | 第102-103页 |
6.3.4 噪声敏感性 | 第103页 |
6.4 本章小结 | 第103-105页 |
结论 | 第105-107页 |
参考文献 | 第107-118页 |
攻读博士学位期间发表的论文及其他成果 | 第118-120页 |
致谢 | 第120-121页 |
个人简历 | 第121页 |