| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·本文的研究背景和研究意义 | 第11-12页 |
| ·多标签分类的国内外研究现状 | 第12-14页 |
| ·本文主要内容和结构安排 | 第14-15页 |
| 第2章 支持向量机基础 | 第15-27页 |
| ·统计学习理论概述 | 第15-18页 |
| ·分类问题的统计学提法 | 第15页 |
| ·经验风险最小化原则 | 第15-16页 |
| ·VC维理论 | 第16页 |
| ·推广性的界 | 第16-17页 |
| ·结构风险最小化原则 | 第17-18页 |
| ·支持向量机原理 | 第18-22页 |
| ·最优超平面 | 第18-19页 |
| ·线性支持向量分类机 | 第19-21页 |
| ·非线性情况及核函数 | 第21-22页 |
| ·基于支持向量机的多类分类方法 | 第22-26页 |
| ·多类目标分类的直接方法 | 第23页 |
| ·多类目标分类的间接方法 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于模糊支持向量机的多标签分类算法 | 第27-41页 |
| ·模糊数学基本概念 | 第27页 |
| ·常见的模糊隶属度函数 | 第27-29页 |
| ·基于线性距离的隶属度函数 | 第28页 |
| ·S型隶属度函数 | 第28页 |
| ·π型隶属度函数 | 第28-29页 |
| ·改进的两类三标签模糊支持向量机 | 第29-39页 |
| ·模糊支持向量机介绍 | 第29-30页 |
| ·快速模糊核聚类算法 | 第30-33页 |
| ·改进的两类三标签模糊支持向量机 | 第33-36页 |
| ·基于距离和样本密度的隶属度设计 | 第36-39页 |
| ·基于半模糊核聚类和模糊支持向量机的多标签分类设计 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 分类实验结果和分析 | 第41-53页 |
| ·实验数据概述 | 第41-42页 |
| ·实验算法和评价准则 | 第42-44页 |
| ·实验算法简介 | 第42页 |
| ·多标签算法的性能评价准则 | 第42-44页 |
| ·多标签分类性能实验 | 第44-52页 |
| ·阈值选取有效性实验 | 第44页 |
| ·多项式核上的实验 | 第44-46页 |
| ·RBF核上的实验 | 第46-50页 |
| ·聚类有效性实验 | 第50-51页 |
| ·单标签样本集上的实验 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论与展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文 | 第60页 |