基于标签关联的多标签分类问题算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 缩略语对照表 | 第9-10页 |
| 符号对照表 | 第10-13页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 多标签分类问题概述 | 第13-15页 |
| 1.2 多标签分类问题用途 | 第15-16页 |
| 1.3 多标签分类问题常用方法及分析 | 第16-19页 |
| 1.3.1 问题转化的方法 | 第16-18页 |
| 1.3.2 算法改造的方法 | 第18-19页 |
| 1.4 研究目的 | 第19-20页 |
| 1.5 本文工作 | 第20页 |
| 1.6 本文构成 | 第20-21页 |
| 1.7 本章小结 | 第21-23页 |
| 第二章 相关工作 | 第23-35页 |
| 2.1 基于二分类器的BR算法 | 第23-26页 |
| 2.2 支持向量机 | 第26-33页 |
| 2.2.1 支持向量简介 | 第26页 |
| 2.2.2 支持向量机原理介绍 | 第26-29页 |
| 2.2.3 非完全线性可分情况 | 第29-30页 |
| 2.2.4 非线性支持向量机 | 第30-33页 |
| 2.2.5 概率输出的支持向量机 | 第33页 |
| 2.3 门限策略 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于标签关联度的多标签分类的研究与实现 | 第35-49页 |
| 3.1 算法简介 | 第35-36页 |
| 3.2 标签关联度的生成 | 第36-40页 |
| 3.3 数据结合 | 第40-41页 |
| 3.4 分类置信度 | 第41-43页 |
| 3.5 门限选择策略 | 第43-44页 |
| 3.6 算法的实现 | 第44-47页 |
| 3.6.1 标签关联生成模块实现 | 第45页 |
| 3.6.2 概率输出SVM模块的实现 | 第45-46页 |
| 3.6.3 分类置信度计算及数据结合模块的实现 | 第46-47页 |
| 3.6.4 门限选择模块的实现 | 第47页 |
| 3.7 本章小结 | 第47-49页 |
| 第四章 实验结果及分析 | 第49-63页 |
| 4.1 环境介绍 | 第49页 |
| 4.2 数据描述 | 第49-50页 |
| 4.3 评价标准 | 第50-51页 |
| 4.4 比较算法简介 | 第51-54页 |
| 4.4.1 C4.5简介 | 第51-53页 |
| 4.4.2 朴素贝叶斯简介 | 第53页 |
| 4.4.3 传统BR方法 | 第53-54页 |
| 4.5 标签关联 | 第54-57页 |
| 4.6 实验结果及分析 | 第57-62页 |
| 4.6.1 准确率结果分析 | 第57-61页 |
| 4.6.2 算法时间复杂度结果分析 | 第61-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 未来工作 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71页 |
| 基本情况 | 第71页 |
| 教育背景 | 第71页 |
