| 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 |
