基于图的半监督学习及其应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 图表清单 | 第9-10页 |
| 注释表 | 第10-13页 |
| 第一章 绪论 | 第13-18页 |
| ·研究背景和意义 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·论文的主要工作 | 第16-17页 |
| ·论文的内容安排 | 第17-18页 |
| 第二章 半监督学习综述 | 第18-25页 |
| ·半监督学习概念 | 第18页 |
| ·半监督学习方法 | 第18-23页 |
| ·自训练方法 | 第19页 |
| ·多视图方法 | 第19-20页 |
| ·期望最大方法 | 第20-21页 |
| ·基于图的方法 | 第21-23页 |
| ·转导式支持向量机 | 第23页 |
| ·半监督学习总结和展望 | 第23-24页 |
| ·半监督学习开放性问题 | 第23-24页 |
| ·半监督学习领域的展望 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 随机子空间推斥图半监督分类算法研究 | 第25-37页 |
| ·经典图半监督分类方法 | 第25-30页 |
| ·图半监督分类原理 | 第25-26页 |
| ·高斯随机场方法 | 第26-27页 |
| ·线性近邻传递方法 | 第27-29页 |
| ·局部和全局一致性方法 | 第29-30页 |
| ·随机子空间推斥图半监督分类算法 | 第30-33页 |
| ·推斥图构建 | 第30-31页 |
| ·随机子空间引入 | 第31-33页 |
| ·实验结果及分析 | 第33-36页 |
| ·人工数据集 | 第33-35页 |
| ·标准数据集 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 半监督核局部线性嵌入降维算法研究 | 第37-50页 |
| ·经典流形降维方法 | 第37-40页 |
| ·拉普拉斯特征映射 | 第37-38页 |
| ·等距特征映射 | 第38页 |
| ·局部线性嵌入 | 第38-40页 |
| ·半监督核局部线性嵌入算法 | 第40-44页 |
| ·半监督局部线性嵌入原理 | 第40-41页 |
| ·半监督局部线性嵌入算法比较 | 第41-43页 |
| ·半监督核局部线性嵌入算法 | 第43-44页 |
| ·参数研究分析 | 第44-46页 |
| ·实验结果及分析 | 第46-49页 |
| ·人工数据集 | 第46-48页 |
| ·标准数据集 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 半监督谱聚类比较研究 | 第50-58页 |
| ·谱聚类原理 | 第50-51页 |
| ·多二类半监督谱聚类 | 第51-54页 |
| ·半监督谱聚类 | 第51-52页 |
| ·多二类半监督谱聚类 | 第52-54页 |
| ·实验结果及分析 | 第54-57页 |
| ·人工数据集 | 第54-56页 |
| ·标准数据集 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 基于图的半监督学习应用研究 | 第58-70页 |
| ·人脸识别 | 第58-61页 |
| ·人脸识别简介 | 第58页 |
| ·人脸识别应用研究 | 第58-61页 |
| ·字符识别 | 第61-63页 |
| ·字符识别简介 | 第61页 |
| ·字符识别应用研究 | 第61-63页 |
| ·文本分类 | 第63-65页 |
| ·文本分类简介 | 第63-64页 |
| ·文本分类应用研究 | 第64-65页 |
| ·彩色图像分割 | 第65-69页 |
| ·彩色图像分割原理 | 第66-67页 |
| ·彩色图像分割实验 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第七章 总结与展望 | 第70-72页 |
| ·主要贡献与创新点 | 第70页 |
| ·不足之处与研究展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 在学期间发表的学术论文 | 第77页 |
