| 摘要 | 第3-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第7-10页 |
| 表格索引 | 第10-11页 |
| 插图索引 | 第11-12页 |
| 主要符号对照表 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-17页 |
| 1.1.1 机器学习 | 第13-15页 |
| 1.1.2 众包 | 第15-17页 |
| 1.2 研究目标 | 第17-18页 |
| 1.3 研究现状 | 第18-19页 |
| 1.4 论文安排 | 第19-21页 |
| 第二章 众包学习综述 | 第21-27页 |
| 2.1 概述 | 第21页 |
| 2.2 众包学习定义 | 第21页 |
| 2.3 不带特征的众包学习 | 第21-22页 |
| 2.4 带特征的众包学习 | 第22-24页 |
| 2.5 小结 | 第24-27页 |
| 第三章 鲁棒众包学习算法 | 第27-41页 |
| 3.1 概述 | 第27页 |
| 3.2 个人分类器模型 | 第27-29页 |
| 3.2.1 模型 | 第27-28页 |
| 3.2.2 学习算法 | 第28-29页 |
| 3.3 鲁棒个人分类器模型 | 第29-34页 |
| 3.3.1 模型 | 第30-31页 |
| 3.3.2 学习算法 | 第31-34页 |
| 3.4 实验 | 第34-38页 |
| 3.4.1 数据介绍 | 第34-36页 |
| 3.4.2 基准算法 | 第36页 |
| 3.4.3 鲁棒个人分类器 AUC 效果 | 第36页 |
| 3.4.4 鲁棒个人分类器区分好的标注者和垃圾标注者的能力 | 第36-37页 |
| 3.4.5 垃圾标注者数量的影响 | 第37-38页 |
| 3.4.6 缺失标签的影响 | 第38页 |
| 3.4.7 UCI 数据实验效果 | 第38页 |
| 3.5 缺点和未来工作 | 第38-39页 |
| 3.6 小结 | 第39-41页 |
| 第四章 协同过滤预测标签算法 | 第41-51页 |
| 4.1 概述 | 第41页 |
| 4.2 协同过滤算法简介 | 第41-43页 |
| 4.2.1 基于用户的协同过滤算法 | 第41-42页 |
| 4.2.2 基于矩阵分解的协同过滤算法 | 第42-43页 |
| 4.3 协同过滤算法预测标签 | 第43-44页 |
| 4.4 实验 | 第44-48页 |
| 4.4.1 数据介绍 | 第44-45页 |
| 4.4.2 基准算法 | 第45页 |
| 4.4.3 垃圾标注者数量的影响 | 第45页 |
| 4.4.4 邻居数量的影响 | 第45-46页 |
| 4.4.5 标注准确率的影响 | 第46页 |
| 4.4.6 标注矩阵稀疏性的影响 | 第46-48页 |
| 4.4.7 训练数据集大小的影响 | 第48页 |
| 4.5 小结 | 第48-51页 |
| 第五章 众包中的主动学习 | 第51-59页 |
| 5.1 主动学习简介 | 第51-53页 |
| 5.2 主动个人分类器 | 第53-54页 |
| 5.3 实验 | 第54-57页 |
| 5.3.1 基准算法 | 第54页 |
| 5.3.2 验证标准 | 第54-55页 |
| 5.3.3 仿真数据实验结果 | 第55页 |
| 5.3.4 不完全标注数据的实验结果 | 第55-56页 |
| 5.3.5 UCI 数据实验效果 | 第56-57页 |
| 5.4 缺点分析和未来工作 | 第57页 |
| 5.5 小结 | 第57-59页 |
| 第六章 结论与展望 | 第59-63页 |
| 6.1 结论 | 第59-60页 |
| 6.2 研究展望 | 第60-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间发表的学术论文目录 | 第71-73页 |
| 攻读学位期间参与的项目 | 第73-75页 |