基于KNN的多标签分类算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 多标签学习的主要研究方向 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 多标签学习中存在的问题 | 第13-15页 |
| 1.5 论文的研究目标和内容 | 第15页 |
| 1.6 论文的章节安排 | 第15-17页 |
| 第二章 多标签分类相关的理论基础 | 第17-28页 |
| 2.1 单标签分类相关概念和方法 | 第17-18页 |
| 2.2 多标签分类相关理论 | 第18-21页 |
| 2.2.1 多标签分类的定义 | 第18页 |
| 2.2.2 标签相关性 | 第18-21页 |
| 2.3 多标签分类算法分类 | 第21-25页 |
| 2.3.1 问题转化方法 | 第21-22页 |
| 2.3.2 算法适应法 | 第22-25页 |
| 2.4 多实例数据表示 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于k邻域相关性的多标签分类算法 | 第28-43页 |
| 3.0 MLKNN算法 | 第28-30页 |
| 3.1 IMLKNN算法原理 | 第30-31页 |
| 3.2 IMLKNN算法求解 | 第31-32页 |
| 3.3 实验设计和结果分析 | 第32-41页 |
| 3.3.1 多标签性能评价指标 | 第32-34页 |
| 3.3.2 数据集介绍 | 第34页 |
| 3.3.3 实验设置 | 第34页 |
| 3.3.4 实验结果和分析 | 第34-37页 |
| 3.3.5 邻域值k的影响 | 第37-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 多实例数据表示分类方法 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 算法原理 | 第43-45页 |
| 4.3 实验设计和结果分析 | 第45-53页 |
| 4.3.1 性能评价指标 | 第45页 |
| 4.3.2 实验设置 | 第45-48页 |
| 4.3.3 实验结果分析 | 第48-49页 |
| 4.3.4 邻域值k的影响 | 第49-53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 全文总结 | 第55页 |
| 5.2 未来工作和展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间的研究成果 | 第61-62页 |
