首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

多标记学习算法的研究及应用

摘要第5-6页
ABSTRACT第6-7页
符号对照表第10-11页
缩略语对照表第11-15页
第一章 绪论第15-21页
    1.1 研究背景第15-16页
    1.2 研究现状第16-19页
        1.2.1 多标记分类研究现状第16-18页
        1.2.2 半监督多标记学习研究现状第18页
        1.2.3 雷达工作模式分类研究现状第18-19页
    1.3 主要内容及章节安排第19-21页
        1.3.1 主要内容第19-20页
        1.3.2 章节安排第20-21页
第二章 相关知识介绍第21-29页
    2.1 多标记学习第21-25页
        2.1.1 问题定义第21-22页
        2.1.2 标记相关性第22-23页
        2.1.3 评价指标第23-25页
    2.2 半监督学习第25-27页
    2.3 雷达工作模式第27-28页
    2.4 本章小结第28-29页
第三章 基于标记关系矩阵的改进校准标记排序算法第29-39页
    3.1 校准标记排序算法第29-31页
        3.1.1 CLR算法简介第29页
        3.1.2 CLR算法描述第29-31页
    3.2 改进的校准标记排序算法第31-33页
        3.2.1 标记关系矩阵第31页
        3.2.2 基于标记关系矩阵的改进校准标记排序算法第31-33页
    3.3 实验及分析第33-38页
        3.3.1 数据集介绍第33-35页
        3.3.2 对比算法介绍第35页
        3.3.3 评价指标第35页
        3.3.4 实验结果与分析第35-38页
    3.4 本章小结第38-39页
第四章 基于二阶标记相关性的改进半监督多标记学习算法第39-53页
    4.1 基于未知样本的归纳式多标记分类算法第39-42页
    4.2 改进的基于未知样本的归纳式多标记分类算法第42-47页
        4.2.1 二阶标记相关性第42-44页
        4.2.2 改进的初始多标记分类器第44页
        4.2.3 改进的错分率计算方法第44-46页
        4.2.4 基于二阶标记相关性的改进半监督多标记学习算法第46-47页
    4.3 实验及分析第47-51页
        4.3.1 数据集介绍第47-48页
        4.3.2 对比算法介绍第48页
        4.3.3 评价指标第48页
        4.3.4 实验结果与分析第48-51页
    4.4 本章小结第51-53页
第五章 雷达工作模式的多标记及多视图组合分类方法第53-71页
    5.1 基于多标记学习的雷达工作模式分类第53-60页
        5.1.1 k均值分类器第55-56页
        5.1.2 模糊k均值分类器第56-57页
        5.1.3 基于模糊k均值的雷达数据多标记化第57-58页
        5.1.4 基于标记关系矩阵校准标记排序的雷达工作模式分类第58-60页
    5.2 基于时间序列多视图的雷达工作模式分类第60-62页
    5.3 雷达工作模式的多标记及多视图组合分类方法第62-63页
    5.4 实验及分析第63-69页
        5.4.1 数据仿真第64-65页
        5.4.2 评价指标第65-66页
        5.4.3 实验结果与分析第66-69页
    5.5 本章小结第69-71页
第六章 总结与展望第71-73页
    6.1 工作总结第71-72页
    6.2 工作展望第72-73页
参考文献第73-79页
致谢第79-81页
作者简介第81-82页

论文共82页,点击 下载论文
上一篇:基于声表面波传感技术的生命体征探测方法研究
下一篇:海上多传感器实时信息综合处理算法研究与应用