| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·多标记分类算法 | 第9-10页 |
| ·多标记主动学习和多标记半监督学习 | 第10-11页 |
| ·多值属性多标记数据分类 | 第11-12页 |
| ·论文的研究目标与内容 | 第12页 |
| ·论文的研究目标 | 第12页 |
| ·论文的研究内容 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 多值属性和多标记数据分类 | 第14-24页 |
| ·多值属性多标记数据描述 | 第14页 |
| ·经典多标记分类算法 | 第14-19页 |
| ·基于问题转化的方法 | 第15-17页 |
| ·基于算法改进的方法 | 第17-19页 |
| ·多值属性多标记决策树算法 | 第19-23页 |
| ·算法基本思想 | 第19-20页 |
| ·结点停止分裂的条件 | 第20页 |
| ·SCC_SP算法原理 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 结合属性分解与多标记算法的多值属性多标记分类 | 第24-35页 |
| ·属性分解策略 | 第24-27页 |
| ·多值拆分编码 | 第25页 |
| ·随机选择编码 | 第25页 |
| ·重新赋值编码 | 第25页 |
| ·分级顺序编码 | 第25-26页 |
| ·全集布尔编码 | 第26-27页 |
| ·MDML学习框架 | 第27页 |
| ·实验设计和结果分析 | 第27-34页 |
| ·数据集合 | 第27-28页 |
| ·评价指标 | 第28-29页 |
| ·实验设计 | 第29页 |
| ·结果分析 | 第29-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 多标记贝叶斯网络分类算法 | 第35-49页 |
| ·多标记贝叶斯网络模型分析 | 第35-36页 |
| ·多标记贝叶斯网络建模 | 第36-40页 |
| ·GBN算法 | 第36-38页 |
| ·MBN算法 | 第38-39页 |
| ·Wrapper-BN算法 | 第39-40页 |
| ·多标记贝叶斯网络模型的预测 | 第40-43页 |
| ·基于标记关联的网络加权算法 | 第41-42页 |
| ·多标记贝叶斯网络预测结果的判定 | 第42-43页 |
| ·实验设计与结果分析 | 第43-48页 |
| ·评价指标 | 第43-44页 |
| ·实验设计 | 第44-45页 |
| ·实验结果与分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于分层模型的主动学习半监督多标记分类算法 | 第49-61页 |
| ·多标记主动学习和半监督学习概述 | 第49页 |
| ·分层模型 | 第49-53页 |
| ·CM算法的缺点 | 第49-50页 |
| ·分层模型优点 | 第50-51页 |
| ·样本空间分割和分层模型的构建 | 第51-53页 |
| ·分层主动学习和半监督学习 | 第53-56页 |
| ·不确定度与置信度的度量 | 第53-54页 |
| ·分层主动学习和半监督学习算法 | 第54-56页 |
| ·实验设计和结果 | 第56-60页 |
| ·实验设计 | 第56-58页 |
| ·结果与分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结和展望 | 第61-63页 |
| ·全文回顾与总结 | 第61-62页 |
| ·下一步工作展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间主要的研究成果 | 第70页 |