| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 本文的主要工作 | 第12-13页 |
| 1.3 论文工作和论文结构 | 第13-15页 |
| 第2章 多标记学习的国内外研究现状 | 第15-23页 |
| 2.1 多标记分类算法 | 第15-18页 |
| 2.2 多标记评价准则 | 第18-19页 |
| 2.3 多标记特征选择算法 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 结合标记相关性的多标记ReliefF特征选择算法 | 第23-36页 |
| 3.1 引言 | 第23-24页 |
| 3.2 单标记ReliefF特征选择算法 | 第24-25页 |
| 3.3 ML-ReliefF算法 | 第25-28页 |
| 3.3.1 算法思想 | 第25-27页 |
| 3.3.2 算法描述 | 第27-28页 |
| 3.4 实验 | 第28-35页 |
| 3.4.1 实验数据集描述 | 第28-29页 |
| 3.4.2 实验设置 | 第29页 |
| 3.4.3 实验结果与分析 | 第29-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 结合标记相关性的半监督多标记特征选择及分类算法 | 第36-53页 |
| 4.1 引言 | 第36-37页 |
| 4.2 半监督多标记特征选择算法CSFS | 第37-38页 |
| 4.3 多标记关系学习算法MLRL | 第38-40页 |
| 4.4 LCCSFS算法 | 第40-43页 |
| 4.4.1 模型构建 | 第40-41页 |
| 4.4.2 模型求解 | 第41-43页 |
| 4.4.3 算法描述 | 第43页 |
| 4.5 实验 | 第43-52页 |
| 4.5.1 实验设置 | 第44-45页 |
| 4.5.2 实验结果与分析 | 第45-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 结合局部标记相关性的多标记特征选择算法 | 第53-67页 |
| 5.1 引言 | 第53-54页 |
| 5.2 结合局部标记相关性的多标记分类算法ML-LOC | 第54-55页 |
| 5.3 Loc-MLFS算法 | 第55-57页 |
| 5.3.1 算法思想 | 第55-56页 |
| 5.3.2 算法描述 | 第56-57页 |
| 5.4 实验 | 第57-66页 |
| 5.4.1 实验设置 | 第57页 |
| 5.4.2 实验结果与分析 | 第57-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 工作总结 | 第67-68页 |
| 6.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-76页 |
| 附录 攻读硕士学位期间的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
