| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 前言 | 第8页 |
| 1.2 课题研究意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.3.1 多标记分类研究现状 | 第9-10页 |
| 1.3.2 维度约减算法研究现状 | 第10-11页 |
| 1.4 本文的研究目的、内容与章节安排 | 第11-13页 |
| 2 多标记学习与维度约减算法 | 第13-26页 |
| 2.1 多标记学习基本内容 | 第13-14页 |
| 2.1.1 多标记学习的概念 | 第13页 |
| 2.1.2 多标记学习的困难 | 第13页 |
| 2.1.3 多标记学习算法的种类 | 第13-14页 |
| 2.2 维度约减算法 | 第14-16页 |
| 2.2.1 维度约减概念 | 第15页 |
| 2.2.2 维度约减算法分类 | 第15-16页 |
| 2.3 线性维度约减算法 | 第16-17页 |
| 2.3.1 主成分分析（PCA） | 第16-17页 |
| 2.3.2 线性判别分析（LDA） | 第17页 |
| 2.4 非线性维度约减 | 第17-19页 |
| 2.4.1 多维尺度变换（MDS） | 第17-18页 |
| 2.4.2 支持向量机 | 第18-19页 |
| 2.5 半监督维度约减 | 第19-20页 |
| 2.5.1 基于类别标号的半监督维度约减方法 | 第19页 |
| 2.5.2 基于成对约束的半监督维度约减 | 第19-20页 |
| 2.5.3 基于其他监督信息的方法 | 第20页 |
| 2.6 流形学习算法 | 第20-25页 |
| 2.6.1 流形概念 | 第20-21页 |
| 2.6.2 流形学习基本思想 | 第21-22页 |
| 2.6.3 流形学习算法概述 | 第22-23页 |
| 2.6.4 流形学习主要算法 | 第23-25页 |
| 2.6.5 流形学习若干问题的研究 | 第25页 |
| 2.7 总结 | 第25-26页 |
| 3 改进的多标记流形学习算法和多标记分类算法 | 第26-39页 |
| 3.1 可变 K 近邻的半监督局部线性嵌入流形学习算法 | 第26-28页 |
| 3.2 贝叶斯分类器 | 第28-34页 |
| 3.2.1 贝叶斯判别准则 | 第28-32页 |
| 3.2.2 朴素贝叶斯分类模型 | 第32-34页 |
| 3.3 多标记分类算法 | 第34-37页 |
| 3.3.1 ML-KNN 算法 | 第34-35页 |
| 3.3.2 Rank-SVM 算法 | 第35页 |
| 3.3.3 多标记朴素贝叶斯分类器 | 第35-37页 |
| 3.4 基于 VKSSLLE 的多标记朴素贝叶斯分类算法 | 第37-38页 |
| 3.5 小结 | 第38-39页 |
| 4 仿真与实验结果分析 | 第39-49页 |
| 4.1 实验方法和实验环境 | 第39页 |
| 4.2 基准数据库 | 第39-40页 |
| 4.3 评价指标 | 第40-41页 |
| 4.4 实验设计 | 第41-42页 |
| 4.5 实验结果与分析 | 第42-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 论文工作总结 | 第49页 |
| 5.2 未来工作展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录 作者在攻读硕士学位期间所发表的文章目录 | 第57页 |