基于指数损失间隔的多标记特征选择算法及其应用研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-10页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文章节安排 | 第12-13页 |
| 第二章 多标记学习与特征选择 | 第13-33页 |
| 2.1 多标记学习 | 第13-22页 |
| 2.1.1 多标记学习简介 | 第13-14页 |
| 2.1.2 多标记算法的性能指标 | 第14-16页 |
| 2.1.3 多标记算法的类别 | 第16-22页 |
| 2.2 多标记算法框架 | 第22-24页 |
| 2.3 特征选择相关概述 | 第24-25页 |
| 2.4 特征选择算法 | 第25-30页 |
| 2.4.1 过滤器模型 | 第27-29页 |
| 2.4.2 封装器模型 | 第29-30页 |
| 2.5 谱特征选择算法 | 第30-32页 |
| 2.5.1 算法简述 | 第30-31页 |
| 2.5.2 算法框架 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于指数损失间隔的多标记特征选择算法 | 第33-47页 |
| 3.1 引言 | 第33页 |
| 3.2 算法相关概述 | 第33-38页 |
| 3.2.1 样本相似度 | 第33-34页 |
| 3.2.2 标记间的关联性 | 第34-35页 |
| 3.2.3 算法模型 | 第35-38页 |
| 3.3 实验 | 第38-46页 |
| 3.3.1 数据集简介 | 第39页 |
| 3.3.2 多标记特征选择算法实验 | 第39-40页 |
| 3.3.3 过滤器模型实验 | 第40-43页 |
| 3.3.4 封装器模型实验 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 多标记特征选择在智能驾驶系统中的应用 | 第47-57页 |
| 4.1 系统总体架构 | 第50-51页 |
| 4.2 客户端的设计与实现 | 第51-56页 |
| 4.2.1 功能设计 | 第51页 |
| 4.2.2 功能实现 | 第51-54页 |
| 4.2.3 物体识别分类检测模块 | 第54-55页 |
| 4.2.4 数据库模块 | 第55-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文的主要工作 | 第57页 |
| 5.2 进一步的研究工作 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 致谢 | 第62页 |
