| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 机器学习的发展与现状 | 第10-11页 |
| 1.2 多示例多标记学习的研究现状 | 第11-14页 |
| 1.2.1 多标记学习研究背景 | 第11-12页 |
| 1.2.2 多示例多标记学习研究背景 | 第12-14页 |
| 1.3 面临的问题 | 第14-16页 |
| 1.4 层次性多示例多标记学习发展现状 | 第16-17页 |
| 1.5 论文的主要研究内容 | 第17-18页 |
| 1.6 论文的结构 | 第18-19页 |
| 第二章 多示例多标记学习的相关技术 | 第19-25页 |
| 2.1 多示例多标记学习框架的提出和定义 | 第19-20页 |
| 2.2 多示例多标记学习的相关算法 | 第20-22页 |
| 2.2.1 根据退化方法的MIML学习算法 | 第20-21页 |
| 2.2.2 根据正则化方法的MIML学习算法 | 第21-22页 |
| 2.3 多示例多标记的性能评价指标 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于树结构的多示例多标记学习算法 | 第25-44页 |
| 3.1 基于树结构的多示例多标记学习算法的总体框架 | 第26-27页 |
| 3.2 基于miFV单示例化算法 | 第27-30页 |
| 3.2.1 miFV单示例向量包表示 | 第27-28页 |
| 3.2.2 miFV单示例化具体实现 | 第28-30页 |
| 3.3 基于近邻多标记学习算法 | 第30-33页 |
| 3.3.1 原理和框架图 | 第30-31页 |
| 3.3.2 近邻学习算法描述 | 第31-33页 |
| 3.4 基于树结构建模学习算法 | 第33-37页 |
| 3.4.1 原理和框架图 | 第33-34页 |
| 3.4.2 基于标记树型结构模型的具体实现 | 第34-37页 |
| 3.5 TreeMIML算法的仿真和分析 | 第37-43页 |
| 3.5.1 数据来源 | 第37-40页 |
| 3.5.2 实验设计 | 第40-41页 |
| 3.5.3 性能比较 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于有向无环图结构的多示例多标记学习算法 | 第44-55页 |
| 4.1 基于有向无环图结构的多示例多标记学习算法的总体框架 | 第44-45页 |
| 4.2 MIMLfast算法 | 第45-48页 |
| 4.3 基于有向无环图结构建模学习算法 | 第48-51页 |
| 4.3.1 原理和框架图 | 第48页 |
| 4.3.2 基于有向无环图型结构模型的具体实现 | 第48-51页 |
| 4.4 DAGMIML算法的仿真和分析 | 第51-54页 |
| 4.4.1 实验数据 | 第51页 |
| 4.4.2 实验设计 | 第51-52页 |
| 4.4.3 性能比较 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 附录1 攻读硕士学位期间申请的专利 | 第61-62页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第62-63页 |
| 致谢 | 第63页 |