| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究的主要内容 | 第10-12页 |
| 2 预备知识 | 第12-20页 |
| 2.1 多标签学习 | 第12-15页 |
| 2.1.1 多标签学习的常用方法 | 第12-14页 |
| 2.1.2 评价指标 | 第14-15页 |
| 2.2 贝叶斯网 | 第15-20页 |
| 2.2.1 贝叶斯网理论知识 | 第15-17页 |
| 2.2.2 贝叶斯网学习过程 | 第17-20页 |
| 3 标签相关的多标签分类算法 | 第20-28页 |
| 3.1 MLAIM离散化方法 | 第20-23页 |
| 3.2 MLLD算法 | 第23-25页 |
| 3.3 数值实验 | 第25-28页 |
| 4 构造样本k近邻数据的多标签分类算法 | 第28-44页 |
| 4.1 数据集转换 | 第28-29页 |
| 4.2 考虑k近邻样本距离的多标签学习算法 | 第29-32页 |
| 4.3 基于Markov边界的回归多标签KNN算法 | 第32-34页 |
| 4.4 数值实验 | 第34-44页 |
| 5 结论与展望 | 第44-46页 |
| 5.1 结论 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-52页 |
| 攻读学位期间发表的学术论文 | 第52页 |
| 基金项目 | 第52-54页 |
| 致谢 | 第54页 |