多標(biāo)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(biāo)記學(xué)習(xí) 3
1.3 多標(biāo)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(biāo)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(biāo)記相關(guān)性分析 11
1.6 多標(biāo)記學(xué)習(xí)評(píng)價(jià)指標(biāo) 12
1.7 多標(biāo)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(biāo)記分類 19
2.1 引言 19
2.2 相關(guān)工作 20
2.2.1 圖像自動(dòng)標(biāo)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(biāo)記分類算法 23
2.4 實(shí)驗(yàn)與分析 27
2.4.1 實(shí)驗(yàn)數(shù)據(jù)集 27
2.4.2 實(shí)驗(yàn)設(shè)置 27
2.4.3 實(shí)驗(yàn)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(biāo)記分類 36
3.1 引言 36
3.2 相關(guān)工作 37
3.2.1 特征表達(dá) 37
3.2.2 遷移學(xué)習(xí) 38
3.3 基于改進(jìn)CNN的多標(biāo)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(shí)驗(yàn)與分析 42
3.5 本章小結(jié) 48
第4章 基于鄰域粗糙集的標(biāo)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(biāo)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(shí)驗(yàn)仿真 57
4.5.1 實(shí)驗(yàn)數(shù)據(jù)集 57
4.5.2 判別閾值選擇 58
4.5.3 實(shí)驗(yàn)設(shè)置 58
4.5.4 實(shí)驗(yàn)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(biāo)記相關(guān)性的多標(biāo)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(biāo)記三支分類算法 75
5.3.1 算法原理 76
5.3.2 標(biāo)記相關(guān)性建模 77
5.3.3 算法描述 78
5.4 實(shí)驗(yàn)與分析 78
5.4.1 實(shí)驗(yàn)數(shù)據(jù)集 79
5.4.2 實(shí)驗(yàn)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(biāo)記特征選擇 83
6.1 引言 83
6.2 相關(guān)工作 84
6.2.1 多標(biāo)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(biāo)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(shí)驗(yàn)仿真 89
6.4.1 實(shí)驗(yàn)數(shù)據(jù) 89
6.4.2 實(shí)驗(yàn)設(shè)置 90
6.4.3 實(shí)驗(yàn)結(jié)果與分析 90
6.5 本章小結(jié) 97
第7章 一種?；鄻?biāo)記特征選擇算法 98
7.1 引言 98
7.2 相關(guān)工作 100
7.3 多標(biāo)記特征選擇算法 101
7.3.1 基本流程 101
7.3.2 標(biāo)記?；?102
7.3.3 大相關(guān)-小冗余條件 103
7.4 實(shí)驗(yàn)與分析 106
7.4.1 實(shí)驗(yàn)設(shè)置 106
7.4.2 標(biāo)記粒化的有效性 107
7.4.3 不同算法的性能對(duì)比 115
7.5 本章小結(jié) 121
第8章 多標(biāo)記決策知識(shí)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(biāo)記決策系統(tǒng)的知識(shí)獲取 125
8.3.1 離散型多標(biāo)記決策系統(tǒng)知識(shí)獲取 127
8.3.2 連續(xù)型多標(biāo)記決策系統(tǒng)知識(shí)獲取 128
8.4 實(shí)驗(yàn)仿真 131
8.4.1 DML算法實(shí)驗(yàn)與分析 131
8.4.2 CML算法實(shí)驗(yàn)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(xiàn) 138