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

基于层次化随机森林的多标签分类算法研究

摘要第5-6页
ABSTRACT第6页
第1章 绪论第9-14页
    1.1 研究背景和意义第9-10页
    1.2 国内外研究现状第10-12页
    1.3 文的主要工作和创新点第12-13页
    1.4 本文组织结构第13-14页
第2章 相关理论介绍第14-19页
    2.1 多标签分类的定义第14页
    2.2 随机森林及其在多标签分类的应用第14-15页
    2.3 常用的多标签分类算法第15-18页
    2.4 本章小结第18-19页
第3章 基于极度随机森林的多标签分类算法第19-26页
    3.1 引言第19页
    3.2 多标签极度随机树第19-23页
    3.3 多标签极度随机森林第23-25页
    3.4 本章小结第25-26页
第4章 基于层次化随机森林的多标签分类算法第26-31页
    4.1 引言第26页
    4.2 层次化多标签分类树第26-29页
    4.3 层次化多标签分类随机森林第29-30页
    4.4 本章小结第30-31页
第5章 实验与结果分析第31-57页
    5.1 引言第31页
    5.2 数据集第31页
    5.3 评价指标第31-35页
        5.3.1 基于样本的评价指标第32-33页
        5.3.2 基于标签的评价指标第33页
        5.3.3 基于排序的评价指标第33-34页
        5.3.4 比较算法统计评估第34-35页
    5.4 实验参数设置第35-42页
        5.4.1 极度随机森林参数设置第35-38页
        5.4.2 层次化随机森林参数设置第38-41页
        5.4.3 其它参数设置与实验环境第41-42页
    5.5 实验结果分析与比较第42-56页
        5.5.1 基于样本评价指标的结果分析第42-46页
        5.5.2 基于标签评价指标的结果分析第46-50页
        5.5.3 基于排序评价指标的结果分析第50-54页
        5.5.4 时间比较第54-55页
        5.5.5 实验结论第55-56页
    5.6 本章小结第56-57页
总结与展望第57-59页
参考文献第59-62页
攻读硕士学位期间取得的研究成果第62-63页
致谢第63-64页
附件第64页

论文共64页,点击 下载论文
上一篇:增广四元数超限学习机的学习算法研究
下一篇:东风日产花都二工厂涂装车间黑漆机器人喷涂自动化系统的研究