多标记分类学习研究：从标记独立到标记关联增强

目录

第1章 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状及存在的问题

1.2.1 多标记学习研究现状

1.2.2 存在的问题

1.3 本文主要研究内容与论文结构

1.3.1 主要研究内容

1.3.2 论文结构

第2章 多标记分类概述

2.1 引言

2.2 多标记分类简介

2.2.1 多标记分类基本概念

2.3 集成多标记学习简介

2.3.1 集成学习基本概念

2.3.2 经典算法

2.4 基于排序损失的多标记学习简介

2.4.1 标记排序基本概念

2.4.2 经典算法

2.5 多标记学习评价指标

2.6 本章小结

第3章 基于标记关系独立的多标记分类方法

3.1 引言

3.2 相关工作

3.2.1 LIFT算法

3.2.2 k-means算法

3.3 基于集成的标记独立多标记分类

3.3.1 模型方法

3.3.2 模型求解

3.3.3 算法流程

3.4 实验

3.4.1 实验设置

3.4.2 实验结果及分析

3.4.3 参数调整及分析

3.5 本章小结

第4章 基于标记关联增强的多标记分类方法

4.1 引言

4.2 相关工作

4.2.1 二元交叉熵

4.2.2 成对排序损失函数

4.3 基于标记独立与标记关联增强融合的多标记分类方法

4.3.1 模型方法

4.3.2 优化过程

4.3.3 算法流程

4.4 实验

4.4.1 实验设置

4.4.2 实验结果及分析

4.4.3 参数调整与分析

4.4.4 收敛性

4.5 本章小结

第5章 总结与展望

5.1 总结

5.2 展望

参考文献

发表论文和参加科研情况说明

致谢