声明
1 绪论
1.1 研究背景与研究意义
1.2 相关研究工作
1.2.1 多标记学习
1.2.2 标记分布学习
1.3 研究内容
1.4 组织结构
2 标记分布学习
2.1 引言
2.2 形式化定义
2.3 代表算法
2.3.1 基于问题转换策略的算法
2.3.2 基于算法改造策略的算法
2.3.3 专门化学习算法
2.4 标记分布学习数据集
2.5 标记分布学习性能评价指标
2.6 本章小结
3 基于局部样本相关性的标记分布学习方法
3.1 引言
3.2 算法框架
3.3 优化方法
3.3.1 基于普通梯度下降的交替最小化方法
3.3.2 基于 Adam的交替最小化方法
3.4 实验
3.4.1 数据集
3.4.2 度量指标
3.4.3 实验设置
3.4.5 参数敏感性实验
3.4.6 算法训练时间和收敛性
3.5 本章小结
4 基于局部低秩标记相关性的面部表情情感分布学习方法
4.1 引言
4.2 算法框架
4.3 ADMM方法优化
4.4 实验
4.4.1 数据集
4.4.2 性能度量
4.4.3 实验设置
4.4.4 实验结果和讨论
4.4.5 聚类个数的影响
4.4.6 算法收敛性
4.5 本章小结
5 总结与展望
5.1 工作总结
5.2 未来展望
致谢
参考文献
附录
南京理工大学;