多视图学习方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景 | 第16页 |
| 1.2 研究现状 | 第16-19页 |
| 1.2.1 多视图数据降维的研究现状 | 第16-17页 |
| 1.2.2 多视图聚类的研究现状 | 第17-18页 |
| 1.2.3 多任务多视图聚类的研究现状 | 第18-19页 |
| 1.3 本文的主要工作与章节安排 | 第19-22页 |
| 第二章 相关知识介绍 | 第22-30页 |
| 2.1 多视图学习简介 | 第22-24页 |
| 2.1.1 多视图学习方法介绍 | 第22-23页 |
| 2.1.2 经典的多视图学习方法——协同训练 | 第23-24页 |
| 2.2 子空间聚类 | 第24-25页 |
| 2.3 基本的聚类算法 | 第25-28页 |
| 2.3.1 K-means算法 | 第25-26页 |
| 2.3.2 谱聚类算法 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 加入混合结构的多视图半监督降维 | 第30-48页 |
| 3.1 半监督降维算法 | 第30-32页 |
| 3.2 基于混合结构的降维算法 | 第32-33页 |
| 3.3 差异惩罚 | 第33-34页 |
| 3.4 改进的多视图半监督降维 | 第34-37页 |
| 3.4.1 加入混合结构的半监督降维 | 第34-35页 |
| 3.4.2 加入混合结构的多视图降维 | 第35-36页 |
| 3.4.3 算法的求解过程 | 第36-37页 |
| 3.5 实验部分 | 第37-47页 |
| 3.5.1 数据集介绍 | 第37-39页 |
| 3.5.2 实验方法介绍 | 第39页 |
| 3.5.3 评价标准介绍 | 第39-40页 |
| 3.5.4 对比算法介绍 | 第40页 |
| 3.5.5 实验结果与分析 | 第40-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 基于低维嵌入的多视图稀疏子空间聚类 | 第48-60页 |
| 4.1 多视图稀疏子空间聚类 | 第48-50页 |
| 4.2 改进的多视图稀疏子空间聚类 | 第50-54页 |
| 4.2.1 基于低维嵌入的稀疏子空间聚类 | 第50-51页 |
| 4.2.2 保留局部结构的流形正则项 | 第51-52页 |
| 4.2.3 算法的求解过程 | 第52-54页 |
| 4.3 实验部分 | 第54-59页 |
| 4.3.1 数据集介绍 | 第54-55页 |
| 4.3.2 实验方法介绍 | 第55页 |
| 4.3.3 评价标准介绍 | 第55-56页 |
| 4.3.4 对比算法介绍 | 第56页 |
| 4.3.5 实验结果与分析 | 第56-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 引入增广视图的多任务多视图聚类 | 第60-74页 |
| 5.1 多任务多视图聚类 | 第60-62页 |
| 5.1.1 二分图协同聚类 | 第60页 |
| 5.1.2 基于二分图的多任务多视图聚类 | 第60-62页 |
| 5.2 增广视图 | 第62-63页 |
| 5.3 引入增广视图的多任务多视图聚类 | 第63-67页 |
| 5.3.1 多视图样本划分的共享子空间 | 第63-64页 |
| 5.3.2 引入增广视图的多任务多视图聚类 | 第64-65页 |
| 5.3.3 算法的求解过程 | 第65-67页 |
| 5.4 实验部分 | 第67-73页 |
| 5.4.1 数据集介绍 | 第67-68页 |
| 5.4.2 对比算法介绍 | 第68-69页 |
| 5.4.3 实验方法介绍 | 第69页 |
| 5.4.4 评价标准介绍 | 第69页 |
| 5.4.5 实验结果与分析 | 第69-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 工作总结 | 第74-75页 |
| 6.2 研究展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-84页 |
| 作者简介 | 第84-85页 |
