结合主动学习的协作分类方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·本文工作 | 第12-14页 |
| 第2章 网络数据的协作分类 | 第14-26页 |
| ·协作分类的表示和问题定义 | 第14-17页 |
| ·协作分类算法分类 | 第17页 |
| ·迭代分类算法ICA | 第17-20页 |
| ·基于关系马尔可夫网的LBP算法 | 第20-26页 |
| ·马尔可夫网 | 第20-21页 |
| ·条件马尔可夫网 | 第21-22页 |
| ·关系马尔可夫网 | 第22-24页 |
| ·带环信度传播算法LBP | 第24-26页 |
| 第3章 主动学习 | 第26-31页 |
| ·主动学习概述 | 第26-27页 |
| ·关系数据的主动学习 | 第27-28页 |
| ·中心化指标 | 第28-31页 |
| ·中心化指标的定义 | 第28-29页 |
| ·几种重要的中心化指标 | 第29-31页 |
| 第4章 协作分类算法研究 | 第31-41页 |
| ·迭代分类算法ICA研究 | 第31-32页 |
| ·局部分类算法的选择 | 第31-32页 |
| ·聚合算子 | 第32页 |
| ·迭代终止条件 | 第32页 |
| ·信度传播算法LBP研究 | 第32-36页 |
| ·目标函数的构造 | 第32-33页 |
| ·函数优化 | 第33-34页 |
| ·参数学习 | 第34-36页 |
| ·实验数据 | 第36-38页 |
| ·数据集 | 第36页 |
| ·数据集预处理 | 第36-37页 |
| ·关系团模板 | 第37页 |
| ·随机采样策略 | 第37-38页 |
| ·实验结果及分析 | 第38-41页 |
| 第5章 结合主动学习的协作分类研究 | 第41-47页 |
| ·用主动学习来提高协作分类的精度 | 第41-43页 |
| ·启发式算法 | 第43-44页 |
| ·实验结果及分析 | 第44-47页 |
| 第6章 结论 | 第47-48页 |
| ·工作总结 | 第47页 |
| ·工作展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 作者简介及在学期间所取得的科研成果 | 第51-52页 |
| 致谢 | 第52页 |
