鲁棒多标记学习
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 主要研究方法 | 第9-10页 |
| 1.2.2 主要面临的挑战 | 第10页 |
| 1.2.3 鲁棒性的多标记学习的研究现状和问题 | 第10-11页 |
| 1.3 本文的研究内容 | 第11页 |
| 1.4 论文的组织和结构 | 第11-14页 |
| 第2章 本文的相关研究工作 | 第14-22页 |
| 2.1 多标记学习简介 | 第14-16页 |
| 2.2 集成多标记学习简介 | 第16-17页 |
| 2.3 缺失标记学习简介 | 第17-18页 |
| 2.4 多视角多标记学习简介 | 第18-19页 |
| 2.5 多标记学习评价标准 | 第19-20页 |
| 2.6 本章小结 | 第20-22页 |
| 第3章 独立增强的多标记集成学习 | 第22-30页 |
| 3.1 模型介绍 | 第22-23页 |
| 3.2 优化算法和介绍 | 第23-24页 |
| 3.3 时间复杂性和收敛性分析 | 第24-26页 |
| 3.4 实验 | 第26-29页 |
| 3.4.1 实验数据集和评价标准 | 第26-27页 |
| 3.4.2 实验结果 | 第27-28页 |
| 3.4.3 调参分析和收敛性分析 | 第28-29页 |
| 3.5 结论 | 第29-30页 |
| 第4章 混合噪声的多标记学习 | 第30-42页 |
| 4.1 模型介绍 | 第30-32页 |
| 4.2 优化和算法介绍 | 第32-33页 |
| 4.3 时间复杂性和收敛性分析 | 第33-34页 |
| 4.4 实验 | 第34-41页 |
| 4.4.1 实验数据集和对比方法 | 第34-36页 |
| 4.4.2 实验结果 | 第36-39页 |
| 4.4.3 调参分析和收敛性分析 | 第39-40页 |
| 4.4.4 可视化标签增强矩阵B | 第40-41页 |
| 4.5 结论 | 第41-42页 |
| 第5章 隐语义感知的多视角多标记学习 | 第42-54页 |
| 5.1 模型介绍 | 第42-44页 |
| 5.2 优化和算法介绍 | 第44-46页 |
| 5.3 时间复杂性和收敛性分析 | 第46-47页 |
| 5.4 实验 | 第47-51页 |
| 5.4.1 实验数据集和对比方法 | 第48-49页 |
| 5.4.2 实验结果 | 第49-51页 |
| 5.4.3 训练样本比例分析和收敛性分析 | 第51页 |
| 5.5 结论 | 第51-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 发表论文和参加科研情况说明 | 第60-61页 |
| 致谢 | 第61页 |
