基于集成的半监督学习和主动学习算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景以及意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·论文内容与安排 | 第10-12页 |
| 第二章 半监督学习与主动学习 | 第12-18页 |
| ·引言 | 第12页 |
| ·半监督学习 | 第12-15页 |
| ·半监督学习算法 | 第12-14页 |
| ·半监督学习理论分析 | 第14-15页 |
| ·主动学习 | 第15-18页 |
| ·主动学习方法 | 第15-17页 |
| ·主动学习理论分析 | 第17-18页 |
| 第三章 基于距离度量的改进的集成协同训练算法 | 第18-38页 |
| ·引言 | 第18-19页 |
| ·一视图协同训练和集成学习 | 第19-22页 |
| ·一视图协同训练 | 第19-21页 |
| ·集成学习 | 第21-22页 |
| ·改进的集成协同训练算法 | 第22-26页 |
| ·动机 | 第22-23页 |
| ·联合集成与距离度量 | 第23-25页 |
| ·数据审计技术 | 第25-26页 |
| ·实验 | 第26-36页 |
| ·实验设置 | 第26-27页 |
| ·实验结果 | 第27-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于朴素贝叶斯的改进的集成协同训练算法 | 第38-50页 |
| ·引言 | 第38页 |
| ·联合集成与朴素贝叶斯 | 第38-40页 |
| ·实验 | 第40-47页 |
| ·实验设置 | 第40-41页 |
| ·实验结果 | 第41-47页 |
| ·本章小结 | 第47-50页 |
| 第五章 改进的主动学习用于高光谱数据的分类 | 第50-70页 |
| ·引言 | 第50-52页 |
| ·改进的主动学习算法 | 第52-55页 |
| ·降低信息量的重复程度 | 第52-54页 |
| ·降低冗余性 | 第54-55页 |
| ·数据集 | 第55-59页 |
| ·实验 | 第59-67页 |
| ·实验设置 | 第60页 |
| ·UCI 数据集实验结果 | 第60-62页 |
| ·Indian Pines 实验结果 | 第62-63页 |
| ·Pavia University 实验结果 | 第63-65页 |
| ·Salinas 实验结果 | 第65-67页 |
| ·本章小结 | 第67-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·论文总结 | 第70-71页 |
| ·工作展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-84页 |
| 硕士期间的学术成果 | 第84-85页 |
