| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容和组织结构 | 第13-15页 |
| 第2章 多标记学习和模糊粗糙集 | 第15-21页 |
| 2.1 多标记学习 | 第15-17页 |
| 2.1.1 多标记决策系统 | 第15页 |
| 2.1.2 多标记学习性能评价指标 | 第15-17页 |
| 2.2 粗糙集理论 | 第17页 |
| 2.3 模糊粗糙集中的信息测量方法 | 第17-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于模糊信息增益和标记关联的多标记特征选择算法 | 第21-39页 |
| 3.1 特征之间的依赖度度量 | 第21页 |
| 3.2 特征和标记集合的关联度度量 | 第21-23页 |
| 3.2.1 特征和标记之间的相关性 | 第21-22页 |
| 3.2.2 标记的相关性 | 第22-23页 |
| 3.3 基于对称不确定性和标记相关性的多标记特征选择算法 | 第23-24页 |
| 3.4 基于特征相关性的去冗余多标记特征选择算法 | 第24-27页 |
| 3.4.1 随机变量的关联性度量 | 第24-27页 |
| 3.5 实验分析 | 第27-38页 |
| 3.5.1 数据集和实验设置 | 第27-29页 |
| 3.5.2 SUMLFS算法实验分析 | 第29-35页 |
| 3.5.3 RRMLFS算法实验分析 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 弱标记特征选择 | 第39-57页 |
| 4.1 弱标记决策表 | 第39-40页 |
| 4.2 不完备信息系统 | 第40-43页 |
| 4.2.1 基本概念 | 第40页 |
| 4.2.2 预处理方法处理缺失值 | 第40-41页 |
| 4.2.3 粗糙集模型的扩展模型 | 第41-43页 |
| 4.3 基于弱标记的信息度量 | 第43-44页 |
| 4.3.1 特征和弱标记的关联性度量 | 第44页 |
| 4.4 弱标记特征选择 | 第44-46页 |
| 4.5 实验分析 | 第46-54页 |
| 4.5.1 不同弱标记算法的对比 | 第47页 |
| 4.5.2 在不同缺失率下基于容差关系弱标记算法的表现 | 第47页 |
| 4.5.3 不同缺失率下WRRMLFS算法的表现 | 第47-54页 |
| 4.6 本章小结 | 第54-57页 |
| 第5章 总结和展望 | 第57-58页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间的主要研究成果 | 第63-64页 |
| 致谢 | 第64页 |
