多標記學(xué)習(xí)：理論、方法與應(yīng)用

目錄
第1章 緒論 1
1.1 引言 1
1.2 多標記學(xué)習(xí) 3
1.3 多標記分類 5
1.3.1 問題轉(zhuǎn)換型 5
1.3.2 算法適應(yīng)型 8
1.3.3 集成型 10
1.4 多標記維度約簡 10
1.4.1 特征選擇 10
1.4.2 特征提取 11
1.5 標記相關(guān)性分析 11
1.6 多標記學(xué)習(xí)評價指標 12
1.7 多標記數(shù)據(jù)集 15
1.7.1 自然場景數(shù)據(jù)集 16
1.7.2 音樂數(shù)據(jù)集 17
1.7.3 基因數(shù)據(jù)集 17
1.7.4 文本數(shù)據(jù)集 17
1.8 本章小結(jié) 18
第2章 基于鄰域粗糙集的多標記分類 19
2.1 引言 19
2.2 相關(guān)工作 20
2.2.1 圖像自動標注 20
2.2.2 鄰域粗糙集模型 21
2.3 基于鄰域粗糙集的多標記分類算法 23
2.4 實驗與分析 27
2.4.1 實驗數(shù)據(jù)集 27
2.4.2 實驗設(shè)置 27
2.4.3 實驗結(jié)果與分析 28
2.5 本章小結(jié) 34
第3章 基于深度神經(jīng)網(wǎng)絡(luò)的多標記分類 36
3.1 引言 36
3.2 相關(guān)工作 37
3.2.1 特征表達 37
3.2.2 遷移學(xué)習(xí) 38
3.3 基于改進CNN的多標記分類算法 39
3.3.1 算法框架 39
3.3.2 雙通道神經(jīng)元 40
3.3.3 損失函數(shù) 41
3.4 實驗與分析 42
3.5 本章小結(jié) 48
第4章 基于鄰域粗糙集的標記相關(guān)性分析 49
4.1 引言 49
4.2 相關(guān)工作 50
4.2.1 變精度鄰域粗糙集 50
4.2.2 標記相關(guān)性 51
4.3 全局相關(guān)性分析 52
4.3.1 基本思想和框架 52
4.3.2 MLRS算法 54
4.4 局部相關(guān)性分析 55
4.4.1 基本思想和框架 55
4.4.2 MLRS-LC算法 56
4.5 實驗仿真 57
4.5.1 實驗數(shù)據(jù)集 57
4.5.2 判別閾值選擇 58
4.5.3 實驗設(shè)置 58
4.5.4 實驗結(jié)果與分析 59
4.5.5 算法復(fù)雜度 69
4.6 本章小結(jié) 69
第5章 基于標記相關(guān)性的多標記三支分類 71
5.1 引言 71
5.2 相關(guān)工作 73
5.2.1 三支決策理論 73
5.2.2 貝葉斯網(wǎng)絡(luò)模型 74
5.3 多標記三支分類算法 75
5.3.1 算法原理 76
5.3.2 標記相關(guān)性建模 77
5.3.3 算法描述 78
5.4 實驗與分析 78
5.4.1 實驗數(shù)據(jù)集 79
5.4.2 實驗結(jié)果分析 79
5.5 本章小結(jié) 82
第6章 基于互信息的多標記特征選擇 83
6.1 引言 83
6.2 相關(guān)工作 84
6.2.1 多標記特征選擇 84
6.2.2 互信息理論 85
6.3 基于互信息的多標記特征選擇算法 86
6.3.1 基本思想 87
6.3.2 算法描述 89
6.4 實驗仿真 89
6.4.1 實驗數(shù)據(jù) 89
6.4.2 實驗設(shè)置 90
6.4.3 實驗結(jié)果與分析 90
6.5 本章小結(jié) 97
第7章 一種?；鄻擞浱卣鬟x擇算法 98
7.1 引言 98
7.2 相關(guān)工作 100
7.3 多標記特征選擇算法 101
7.3.1 基本流程 101
7.3.2 標記粒化 102
7.3.3 大相關(guān)-小冗余條件 103
7.4 實驗與分析 106
7.4.1 實驗設(shè)置 106
7.4.2 標記?；挠行?107
7.4.3 不同算法的性能對比 115
7.5 本章小結(jié) 121
第8章 多標記決策知識獲取的粗糙集方法 122
8.1 引言 122
8.2 相關(guān)工作 124
8.3 多標記決策系統(tǒng)的知識獲取 125
8.3.1 離散型多標記決策系統(tǒng)知識獲取 127
8.3.2 連續(xù)型多標記決策系統(tǒng)知識獲取 128
8.4 實驗仿真 131
8.4.1 DML算法實驗與分析 131
8.4.2 CML算法實驗與分析 133
8.5 本章小結(jié) 134
第9章 總結(jié)與展望 135
9.1 總結(jié) 135
9.2 展望 136
參考文獻 138