多视角多标签分类的模型与算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-15页 |
| 1.2 本文的主要贡献 | 第15-16页 |
| 1.3 本文的组织结构 | 第16-17页 |
| 第二章 相关工作 | 第17-26页 |
| 2.1 典型相关分析 | 第17-18页 |
| 2.2 高斯混合模型 | 第18-20页 |
| 2.3 伯努利混合模型与条件伯努利混合模型 | 第20-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 潜空间条件伯努利混合 | 第26-36页 |
| 3.1 模型假设与设定 | 第26-28页 |
| 3.2 模型优化与变分推理 | 第28-35页 |
| 3.2.1 后验分布和变分推理 | 第28页 |
| 3.2.2 q(x)的高斯混合自编码表示 | 第28-30页 |
| 3.2.3 q(z)的推导 | 第30页 |
| 3.2.4 变分下界的随机优化 | 第30-35页 |
| 3.3 模型预测分布 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 多标签分类问题的实验 | 第36-44页 |
| 4.1 数据集与实验设置 | 第36-38页 |
| 4.2 评价指标 | 第38页 |
| 4.3 实验结果与分析 | 第38-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 多标签分类问题的主动学习方法 | 第44-53页 |
| 5.1 多标签分类主动学习相关工作 | 第44页 |
| 5.2 选点准则 | 第44-47页 |
| 5.2.1 最大化最小置信度 | 第44-45页 |
| 5.2.2 最大化近似熵 | 第45-47页 |
| 5.2.3 最大化基于聚类的熵 | 第47页 |
| 5.4 实验 | 第47-52页 |
| 5.4.1 人工数据集 | 第48-50页 |
| 5.4.2 SCENE数据集 | 第50-52页 |
| 5.5 讨论 | 第52页 |
| 5.6 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 攻读学位期间发表的学术论文以及学术成果 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
