| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 1 绪论 | 第14-24页 |
| ·研究背景和研究意义 | 第14-15页 |
| ·多标记学习的发展与研究现状 | 第15-18页 |
| ·问题转化 | 第15-17页 |
| ·算法转化 | 第17-18页 |
| ·当前研究存在的问题 | 第18-20页 |
| ·本文的研究内容 | 第20-21页 |
| ·论文组织 | 第21-24页 |
| 2 多标记分类学习 | 第24-42页 |
| ·监督学习和分类 | 第24-26页 |
| ·分类的形式化描述 | 第24-25页 |
| ·分类学习的一般过程 | 第25-26页 |
| ·多标记分类学习的形式化描述 | 第26-28页 |
| ·转化为两类分类问题 | 第28-32页 |
| ·BR转化和基于最近邻的ML-KNN方法 | 第29-30页 |
| ·结合最近邻和logistic回归的IBLR-ML算法 | 第30-32页 |
| ·基于贝叶斯网络结构的LEAD算法 | 第32页 |
| ·转化为多值分类问题 | 第32-34页 |
| ·LP转化 | 第33页 |
| ·RAkEL算法 | 第33-34页 |
| ·转化为标记排序问题 | 第34-36页 |
| ·基于两两比较标记的CRPC算法 | 第34-35页 |
| ·基于比较相关标记/非相关标记的Rank-svm算法 | 第35-36页 |
| ·多标记学习常用的评价标准 | 第36-40页 |
| ·针对结果为标记集合的评价标准 | 第36-39页 |
| ·针对结果为标记排序的评价标准 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 3 基于树型贝叶斯网络的多标记依赖关系学习 | 第42-58页 |
| ·引言 | 第42-44页 |
| ·问题定义和相关工作 | 第44-47页 |
| ·问题定义 | 第44-45页 |
| ·分类器链算法 | 第45-46页 |
| ·贝叶斯网络模型 | 第46-47页 |
| ·学习标记间的树型贝叶斯网络 | 第47-51页 |
| ·学习标记间单个树型贝叶斯网络 | 第47-49页 |
| ·学习标记间多个树型贝叶斯网络 | 第49-51页 |
| ·实验设计与结果分析 | 第51-56页 |
| ·数据集和评价标准 | 第51-53页 |
| ·对比算法和设置 | 第53-54页 |
| ·实验结果及分析 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 4 基于依赖关系迭代传播的的多标记学习 | 第58-74页 |
| ·引言 | 第58-60页 |
| ·问题定义和相关模型 | 第60-62页 |
| ·问题定义 | 第61-62页 |
| ·RWR模型 | 第62页 |
| ·基于RWR模型的标记间依赖关系的迭代传播 | 第62-66页 |
| ·构建标记的图结构 | 第63-64页 |
| ·基于RWR过程的迭代传播过程 | 第64-66页 |
| ·实验设计与结果分析 | 第66-72页 |
| ·数据集和评价标准 | 第66-67页 |
| ·对比算法和设置 | 第67-68页 |
| ·实验结果及分析 | 第68-72页 |
| ·本章小结 | 第72-74页 |
| 5 基于监督学习标记依赖关系的多标记学习 | 第74-92页 |
| ·引言 | 第74-76页 |
| ·问题定义 | 第76页 |
| ·多标记间最优依赖关系的监督学习 | 第76-83页 |
| ·损失函数的定义 | 第76-77页 |
| ·基于RWR模型的一般框架 | 第77-78页 |
| ·多标记间最优依赖程度的学习过程 | 第78-83页 |
| ·实验设计与结果分析 | 第83-90页 |
| ·数据集和评价标准 | 第83-84页 |
| ·对比算法和设置 | 第84-85页 |
| ·实验结果及分析 | 第85-90页 |
| ·本章小结 | 第90-92页 |
| 6 基于标记间偏序关系的多标记学习算法 | 第92-108页 |
| ·引言 | 第92-94页 |
| ·问题定义 | 第94-95页 |
| ·基于标记间偏序关系的矩阵分解 | 第95-100页 |
| ·损失函数的定义 | 第95-97页 |
| ·参数的最优化求解过程 | 第97-99页 |
| ·分类器的训练和预测过程 | 第99-100页 |
| ·实验设计与结果分析 | 第100-107页 |
| ·数据集和评价标准 | 第100-101页 |
| ·对比算法和设置 | 第101页 |
| ·实验结果及分析 | 第101-107页 |
| ·本章小结 | 第107-108页 |
| 7 总结与展望 | 第108-112页 |
| ·本文工作总结 | 第108-109页 |
| ·未来工作展望 | 第109-112页 |
| 参考文献 | 第112-120页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第120-124页 |
| 学位论文数据集 | 第124页 |