多标记数据分类相关技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·选题背景及研究意义 | 第9页 |
| ·研究现状 | 第9-11页 |
| ·多标记学习分类方法 | 第9-10页 |
| ·标记排序算法 | 第10页 |
| ·高维多标记数据 | 第10-11页 |
| ·研究中存在的问题 | 第11页 |
| ·本文的主要研究工作 | 第11-12页 |
| ·本文的内容安排 | 第12-13页 |
| 第2章 多标记学习简介 | 第13-17页 |
| ·多标记学习框架 | 第13页 |
| ·评价指标 | 第13-15页 |
| ·基准测试集 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第3章 用于多标记学习的 K 近邻改进算法 | 第17-22页 |
| ·WML-KNN 算法 | 第17-19页 |
| ·均匀采样 | 第18页 |
| ·加权 | 第18页 |
| ·WML-KNN 算法描述 | 第18-19页 |
| ·实验结果及分析 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第4章 APR-LR 多标记排序算法 | 第22-28页 |
| ·相关问题描述 | 第22-23页 |
| ·标记排序 | 第22-23页 |
| ·Apriori 算法 | 第23页 |
| ·APR-LR 算法 | 第23-24页 |
| ·实验及结果分析 | 第24-27页 |
| ·实验数据集 | 第24-25页 |
| ·评价标准 | 第25页 |
| ·实验结果 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第5章 HDML：一种高维多标记分类算法 | 第28-34页 |
| ·LLE 算法 | 第28-29页 |
| ·HDML 算法 | 第29-30页 |
| ·实验结果及分析 | 第30-33页 |
| ·数据集 | 第30-31页 |
| ·实验结果及分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第6章 总结与展望 | 第34-36页 |
| ·本文主要贡献与创新 | 第34-35页 |
| ·下一步工作 | 第35-36页 |
| 参考文献 | 第36-40页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第40-41页 |
| 致谢 | 第41页 |
