基于属性偏序结构理论的半监督学习方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 半监督学习的研究现状 | 第11-12页 |
| 1.2.2 形式概念分析的研究现状 | 第12-13页 |
| 1.3 论文主要研究内容及结构安排 | 第13-15页 |
| 第2章 半监督学习基础理论 | 第15-26页 |
| 2.1 生成式模型算法 | 第16-17页 |
| 2.2 协同训练算法 | 第17-19页 |
| 2.2.1 标准协同训练算法 | 第17-18页 |
| 2.2.2 Tri-Training算法 | 第18页 |
| 2.2.3 Co-Forest算法 | 第18-19页 |
| 2.2.4 Co-Trade算法 | 第19页 |
| 2.3 基于图的半监督学习算法 | 第19-23页 |
| 2.3.1 算法的介绍 | 第20-22页 |
| 2.3.2 图的分类 | 第22-23页 |
| 2.4 支持向量机算法 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 属性偏序结构理论 | 第26-36页 |
| 3.1 形式概念分析 | 第26-29页 |
| 3.1.1 序与格 | 第26-27页 |
| 3.1.2 形式背景和概念格 | 第27-29页 |
| 3.2 属性偏序结构图 | 第29-35页 |
| 3.2.1 偏序与概念 | 第30页 |
| 3.2.2 特征属性概念 | 第30-32页 |
| 3.2.3 属性偏序结构图生成原理 | 第32-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于属性偏序结构图的半监督学习 | 第36-51页 |
| 4.1 整体结构 | 第36-38页 |
| 4.2 面向半监督学习的形式背景的构造 | 第38-46页 |
| 4.2.1 数据离散化 | 第38-43页 |
| 4.2.2 生成形式背景 | 第43-46页 |
| 4.3 Iris数据集的属性偏序结构图 | 第46-48页 |
| 4.4 半监督学习发现匹配模型 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 数据处理实例 | 第51-69页 |
| 5.1 软件处理流程 | 第51-52页 |
| 5.2 软件功能实现 | 第52-59页 |
| 5.3 Wine数据的处理 | 第59-65页 |
| 5.4 实验结果评价 | 第65-68页 |
| 5.4.1 不同抽取比例结果比较 | 第65-67页 |
| 5.4.2 其它方法的对比实验 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 作者简介 | 第78页 |
