基于主动学习的多标签图像分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 多标签学习研究现状 | 第12-13页 |
| 1.2.2 主动学习研究现状 | 第13页 |
| 1.2.3 多标签主动学习研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 1.3.1 研究思路 | 第14-15页 |
| 1.3.2 研究框架 | 第15-16页 |
| 1.4 全文结构安排 | 第16-18页 |
| 第二章 相关理论研究及技术分析 | 第18-35页 |
| 2.1 多标签图像分类的过程 | 第18-20页 |
| 2.2 多标签学习概述 | 第20-24页 |
| 2.2.1 基本概念 | 第20页 |
| 2.2.2 求解策略 | 第20-21页 |
| 2.2.3 学习方法 | 第21页 |
| 2.2.4 评价指标 | 第21-24页 |
| 2.3 主动学习概述 | 第24-28页 |
| 2.3.1 基本概念 | 第24-26页 |
| 2.3.2 关键问题 | 第26页 |
| 2.3.3 采样策略 | 第26-28页 |
| 2.4 多标签主动学习分类算法 | 第28-34页 |
| 2.4.1 基于样本的查询方法 | 第29-32页 |
| 2.4.2 基于样本-标签对的查询方法 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 最优标签子集选择的多标签主动学习分类方法 | 第35-50页 |
| 3.1 引言 | 第35页 |
| 3.2 多标签SVM分类 | 第35-36页 |
| 3.3 MUSLAP算法 | 第36-44页 |
| 3.3.1 Max-Margin采样策略 | 第36-37页 |
| 3.3.2 最优标签子集选择 | 第37-42页 |
| 3.3.3 算法步骤 | 第42-43页 |
| 3.3.4 算法复杂度分析 | 第43-44页 |
| 3.4 实验与分析 | 第44-49页 |
| 3.4.1 评价标准 | 第44页 |
| 3.4.2 实验设置 | 第44-45页 |
| 3.4.3 实验结果及分析 | 第45-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于层次标签树的多标签主动学习分类方法 | 第50-64页 |
| 4.1 引言 | 第50-51页 |
| 4.2 标签树的构建 | 第51-54页 |
| 4.2.1 标签树介绍与构建 | 第51-54页 |
| 4.2.2 算法复杂度分析 | 第54页 |
| 4.3 基于层次标签树的采样策略 | 第54-58页 |
| 4.3.1 信息含量样本-标签对选择 | 第54-56页 |
| 4.3.2 标签关系信息挖掘与权重因子计算 | 第56-58页 |
| 4.3.3 算法步骤 | 第58页 |
| 4.4 实验与分析 | 第58-63页 |
| 4.4.1 评价标准 | 第58-59页 |
| 4.4.2 实验设置 | 第59-60页 |
| 4.4.3 实验结果及分析 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 工作总结 | 第64-65页 |
| 5.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间公开发表的论文及参与的科研项目 | 第72-73页 |
| 致谢 | 第73-74页 |
