一维嵌入空间上的半监督学习
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 引言 | 第10-15页 |
| 1.1 研究的背景和意义 | 第10-12页 |
| 1.2 国内外的研究现状 | 第12-13页 |
| 1.3 本文研究的主要内容 | 第13-15页 |
| 第2章 半监督学习理论基础 | 第15-29页 |
| 2.1 概述 | 第15-16页 |
| 2.2 半监督学习的基本假设 | 第16-17页 |
| 2.2.1 聚类假设 | 第16页 |
| 2.2.2 流形假设 | 第16-17页 |
| 2.3 半监督学习算法的分类 | 第17-19页 |
| 2.3.1 学习方式分类 | 第17-18页 |
| 2.3.2 学习目标分类 | 第18-19页 |
| 2.4 支持向量机 | 第19-25页 |
| 2.4.1 线性可分与不可分情形 | 第20-23页 |
| 2.4.2 非线性情况及核函数 | 第23-25页 |
| 2.5 直推式支持向量机 | 第25-26页 |
| 2.6 拉普拉斯支持向量机 | 第26-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第3章 高维数据上的处理方法 | 第29-36页 |
| 3.1 概述 | 第29页 |
| 3.2 降维 | 第29-32页 |
| 3.2.1 线性降维方法 | 第30页 |
| 3.2.2 非线性降维方法 | 第30-32页 |
| 3.3 光滑排序法 | 第32-35页 |
| 3.3.1 最短可能路径 | 第32-33页 |
| 3.3.2 光滑排序法的主要内容 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 一维嵌入空间上的半监督学习 | 第36-45页 |
| 4.1 概述 | 第36页 |
| 4.2 一维嵌入 | 第36-39页 |
| 4.2.1 基本思想 | 第37-38页 |
| 4.2.2 主要内容 | 第38-39页 |
| 4.3 学习过程 | 第39-44页 |
| 4.3.1 确定置信集 | 第40-41页 |
| 4.3.2 训练集的扩充 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 实验结果与分析 | 第45-50页 |
| 5.1 光滑排序的去噪效果 | 第45-46页 |
| 5.2 一维嵌入的半监督手写字符分类 | 第46-50页 |
| 第6章 结果及展望 | 第50-51页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-58页 |
| 致谢 | 第58页 |
