徐宁，东南大学计算机科学与工程学院助理研究员。先后获中国科学技术大学学士学位、中国科学院大学硕士学位以及东南大学博士学位。主要从事机器学习和数据挖掘领域的研究。在ICML、NeurIPS、IEEE TPAMI、IEEE TKDE等著名国际会议和期刊发表论文20余篇。获2021年CCF优秀博士学位论文奖、2020年德国DAAD AInet奖、2021年江苏省优秀博士学位论文奖。担任Frontiers of Computer Science的预备青年编委，CCF人工智能与模式识别专业委员会执行委员，ICML、NeurIPS、ICLR、AAAI、IJCAI、ECML等著名国际会议的（高级）程序委员会委员，IEEE TPAMI、IEEE TNNLS、IEEE TMM等著名国际期刊的审稿人。

第1章 绪论
1.1 研究背景 1
1.2 标记增强简介 5
1.3 研究内容 7
1.4 组织结构 9
第2章 标记增强研究进展
2.1 引言 11
2.2 多标记学习 14
2.2.1 学习任务 14
2.2.2 学习方法 15
2.2.3 评价指标 22
2.3 标记分布学习 29
2.3.1 学习任务 31
2.3.2 学习方法 33
2.3.3 评价指标 39
2.4 标记增强 40
2.4.1 基于先验知识的标记增强 42
2.4.2 基于模糊方法的标记增强 45
2.4.3 基于图的标记增强 48
第3章 标记增强理论框架
3.1 引言 52
3.2 标记分布内在生成机制 54
3.3 标记分布质量评价 62
3.4 标记增强对分类器泛化性能的提升 66
3.5 实验结果与分析 68
3.5.1 标记分布恢复实验 68
3.5.2 消融实验 80
3.6 本章小结 85
第4章 面向标记分布学习的标记增强
4.1 引言 86
4.2 GLLE方法 87
4.2.1 优化框架 88
4.2.2 拓扑空间结构的引入 89
4.2.3 标记相关性的利用 90
4.2.4 优化策略 92
4.3 实验结果与分析 94
4.3.1 标记分布恢复实验 94
4.3.2 标记分布学习实验 103
4.3.3 标记相关性验证 107
4.4 本章小结 109
第5章 标记增强在其他学习问题上的应用
5.1 引言 111
5.2 多标记学习 112
5.2.1 LEMLL方法 113
5.2.2 实验结果与分析 118
5.3 偏标记学习 126
5.3.1 PLLE方法 128
5.3.2 实验结果与分析 132
5.4 本章小结 149
第6章 总结与展望
6.1 总结 151
6.2 下一步研究的方向 153