基于非负矩阵分解的多标签分类算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景 | 第7-10页 |
| 1.1.1 多标签分类 | 第7-8页 |
| 1.1.2 非负矩阵分解技术 | 第8-10页 |
| 1.2 多标签分类算法的研究现状 | 第10-11页 |
| 1.3 本文的主要贡献 | 第11-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 2 多标签分类算法 | 第14-23页 |
| 2.1 问题转换法 | 第14-18页 |
| 2.1.1 二元关系法 | 第14-16页 |
| 2.1.2 成对比较排序法 | 第16-17页 |
| 2.1.3 标签幂集法 | 第17-18页 |
| 2.2 算法适应法 | 第18-20页 |
| 2.2.1 决策树 | 第18页 |
| 2.2.2 神经网络 | 第18-19页 |
| 2.2.3 支持向量机 | 第19页 |
| 2.2.4 惰性学习和关联学习 | 第19-20页 |
| 2.3 标签具体化特征预处理 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于非负矩阵分解的多标签分类算法 | 第23-34页 |
| 3.1 多标签分类算法MLNMF | 第23-28页 |
| 3.1.1 基本术语 | 第23页 |
| 3.1.2 问题定义 | 第23-24页 |
| 3.1.3 MLNMF算法设计 | 第24-27页 |
| 3.1.4 算法分析与拓展 | 第27-28页 |
| 3.2 改进的多标签分类算法i-MLNMF | 第28-32页 |
| 3.2.1 问题定义 | 第28-29页 |
| 3.2.2 迭代规则 | 第29-30页 |
| 3.2.3 i-MLNMF算法设计 | 第30-31页 |
| 3.2.4 算法分析与拓展 | 第31-32页 |
| 3.3 本章小结 | 第32-34页 |
| 4 实验分析与评估 | 第34-51页 |
| 4.1 实验环境描述 | 第34页 |
| 4.2 数据集 | 第34-35页 |
| 4.3 评价指标 | 第35-39页 |
| 4.3.1 多标签评价指标 | 第35-38页 |
| 4.3.2 多数据集上的评价指标 | 第38-39页 |
| 4.4 实验预测的参数选择 | 第39-40页 |
| 4.5 实验对比效果及分析 | 第40-50页 |
| 4.6 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
