多标签数据流中新标签发现及其增量学习问题研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 引言 | 第12-13页 |
| 1.2 多标签数据流研究现状 | 第13-16页 |
| 1.2.1 多标签分类方法的研究现状 | 第13-14页 |
| 1.2.2 多标签数据流分类的研究现状 | 第14-15页 |
| 1.2.3 新标签发现问题的研究现状 | 第15-16页 |
| 1.3 本文工作及组织结构 | 第16-18页 |
| 1.3.1 本文主要工作 | 第16页 |
| 1.3.2 本文组织结构 | 第16-18页 |
| 第二章 多标签学习及相关研究 | 第18-33页 |
| 2.1 引言 | 第18页 |
| 2.2 多标签分类算法介绍 | 第18-29页 |
| 2.2.1 多标签分类问题描述 | 第18-20页 |
| 2.2.2 多标签分类算法介绍 | 第20-29页 |
| 2.3 数据流中的新标签发现问题 | 第29-32页 |
| 2.3.1 新标签发现问题描述 | 第29-30页 |
| 2.3.2 新标签问题处理方法介绍 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 新标签发现算法 | 第33-56页 |
| 3.1 引言 | 第33-34页 |
| 3.2 新标签发现算法 | 第34-40页 |
| 3.2.1 一类支持向量机 | 第34-35页 |
| 3.2.2 局部异常因子算法 | 第35-38页 |
| 3.2.3 孤立森林 | 第38-40页 |
| 3.3 基于集成聚类的新标签发现算法 | 第40-47页 |
| 3.3.1 k-均值算法 | 第41页 |
| 3.3.2 数据流上的k-均值聚类算法 | 第41-45页 |
| 3.3.3 数据流中的集成k-均值聚类算法 | 第45-47页 |
| 3.4 实验 | 第47-55页 |
| 3.4.1 评价标准 | 第48-49页 |
| 3.4.2 实验数据 | 第49页 |
| 3.4.3 实验设置 | 第49-50页 |
| 3.4.4 实验结果与分析 | 第50-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 多标签数据流中基于标签的增量学习 | 第56-73页 |
| 4.1 引言 | 第56-57页 |
| 4.2 传统算法在多标签数据流分类中的应用 | 第57-60页 |
| 4.2.1 基于BR方法的标签增量学习 | 第57-58页 |
| 4.2.2 基于ECC方法的标签增量学习 | 第58-59页 |
| 4.2.3 基于CLR算法的标签增量学习算法 | 第59-60页 |
| 4.3 L-ILPR算法 | 第60-65页 |
| 4.3.1 L-ILPR算法描述 | 第60-63页 |
| 4.3.2 L-ILPR算法优化 | 第63-65页 |
| 4.4 实验 | 第65-72页 |
| 4.4.1 评价标准 | 第66页 |
| 4.4.2 实验数据 | 第66-67页 |
| 4.4.3 实验设置 | 第67页 |
| 4.4.4 实验结果与分析 | 第67-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 本文工作总结 | 第73-74页 |
| 5.2 工作展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 附录 | 第82-83页 |
