| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及其现实意义 | 第12页 |
| 1.2 帕金森病的研究现状及存在的问题 | 第12-13页 |
| 1.3 数据挖掘在中医领域中的应用 | 第13-14页 |
| 1.4 多标签分类技术在帕金森病诊断中的应用思路 | 第14-15页 |
| 1.5 本文工作及组织结构 | 第15-17页 |
| 第二章 多标签分类学习及相关分类算法的介绍 | 第17-33页 |
| 2.1 引言 | 第17页 |
| 2.2 多标签学习介绍 | 第17-24页 |
| 2.2.1 Binary Relevance算法 | 第18-19页 |
| 2.2.2 Label Powerset算法 | 第19-20页 |
| 2.2.3 Random k-Labelsets算法 | 第20-22页 |
| 2.2.4 Classifier Chains算法 | 第22-24页 |
| 2.3 标签相关性 | 第24-30页 |
| 2.3.1 标签相关性简介 | 第24-25页 |
| 2.3.2 基于标签相关性相关算法 | 第25-30页 |
| 2.4 常见准确率评价指标 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于信息熵的多标签分类算法 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 基于信息熵的多标签分类算法 | 第33-37页 |
| 3.2.1 售息熵 | 第33-34页 |
| 3.2.2 相关性度量 | 第34-35页 |
| 3.2.3 最小权重标签树 | 第35页 |
| 3.2.4 ECC算法思想 | 第35-36页 |
| 3.2.5 ECC算法描述 | 第36-37页 |
| 3.3 实验 | 第37-42页 |
| 3.3.1 实验数据 | 第37-38页 |
| 3.3.2 实验设置 | 第38页 |
| 3.3.3 评价标准 | 第38页 |
| 3.3.4 实验结果分析 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于约瑟夫环机制的多标签分类算法 | 第43-54页 |
| 4.1 引言 | 第43页 |
| 4.2 基于约瑟夫环机制的多标签分类算法 | 第43-47页 |
| 4.2.1 约瑟夫环问题 | 第43-45页 |
| 4.2.2 新型约瑟夫环算法 | 第45页 |
| 4.2.3 算法动机及思想 | 第45-46页 |
| 4.2.4 算法描述 | 第46-47页 |
| 4.3 实验 | 第47-53页 |
| 4.3.1 实验数据 | 第47-48页 |
| 4.3.2 实验设置 | 第48页 |
| 4.3.3 评价标准 | 第48页 |
| 4.3.4 实验结果分析 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于惩罚机制的约瑟夫环优化策略 | 第54-64页 |
| 5.1 引言 | 第54页 |
| 5.2 基于惩罚机制的约瑟夫环多标签分类算法 | 第54-56页 |
| 5.2.1 惩罚机制 | 第54-55页 |
| 5.2.2 算法思想 | 第55-56页 |
| 5.2.3 算法描述 | 第56页 |
| 5.3 实验 | 第56-63页 |
| 5.3.1 实验数据 | 第57页 |
| 5.3.2 实验设置 | 第57-58页 |
| 5.3.3 评价标准 | 第58页 |
| 5.3.4 实验结果分析 | 第58-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文工作小结 | 第64-65页 |
| 6.2 进一步工作 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录1 | 第70-71页 |
| 附录2 | 第71-72页 |
| 致谢 | 第72-73页 |