| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-10页 |
| 第二章 多标签分类方法和降维方法 | 第10-18页 |
| 2.1 多标签分类方法 | 第11-13页 |
| 2.1.1 多标签分类中的问题转化法 | 第11-12页 |
| 2.1.2 多标签分类中的算法改造法 | 第12-13页 |
| 2.2 多标签降维方法 | 第13-18页 |
| 2.2.0 降维方法概述 | 第13-14页 |
| 2.2.1 与多标签分类器相关的降维算法 | 第14-15页 |
| 2.2.2 与多标签分类器无关的降维算法 | 第15-18页 |
| 第三章 基于最小特征相关性、最大特征标签间依赖性的降维模型 | 第18-24页 |
| 3.1 主成分分析及其最小二乘重构模型 | 第18-20页 |
| 3.2 HILBERT-SCHMIDT独立性准则及其最小二乘重构模型 | 第20-21页 |
| 3.3 基于最小化特征间相关性、最大化特征标签间依赖性的降维模型 | 第21-22页 |
| 3.4 平衡因子的估计算法 | 第22-24页 |
| 第四章 基于线性排序支持向量机的特征降维模型 | 第24-34页 |
| 4.1 线性支持向量机 | 第24-26页 |
| 4.2 线性的多标签排序支持向量机 | 第26-27页 |
| 4.3 对偶的坐标下降法 | 第27-28页 |
| 4.4 基于线性排序支持向量机降维模型的基本原理 | 第28-30页 |
| 4.5 基于线性排序支持向量机降维模型的求解 | 第30-34页 |
| 4.5.1 排序支持向量机的参数估计 | 第31-32页 |
| 4.5.2 投影矩阵的估计 | 第32页 |
| 4.5.3 模型的分析 | 第32-34页 |
| 第五章 实验结果与分析 | 第34-61页 |
| 5.1 实验数据集、评价准则及多标签降维算法 | 第34-36页 |
| 5.2 算法性能差异性检验方法 | 第36-37页 |
| 5.3 MCMD降维模型的实验结果与分析 | 第37-47页 |
| 5.3.1 平衡因子估计算法有效性的验证 | 第37-38页 |
| 5.3.2 降维算法性能的比较 | 第38-47页 |
| 5.4 ELRS降维模型实验结果与分析 | 第47-61页 |
| 5.4.1 降维比例的选择 | 第47-50页 |
| 5.4.2 降维算法性能的比较 | 第50-61页 |
| 第六章 总结 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 参加的科研项目及已发表文章 | 第68页 |
