大规模机器学习中锚图哈希算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 概论 | 第9-13页 |
| 1.1 研究意义 | 第9-11页 |
| 1.2 相关技术介绍 | 第11-13页 |
| 第2章 大图像的构造-锚图 | 第13-31页 |
| 2.1 问题背景 | 第13-17页 |
| 2.2 相关工作 | 第17-19页 |
| 2.3 相关知识 | 第19-21页 |
| 2.3.1 基于锚的标签预测 | 第19-20页 |
| 2.3.2 设计邻接矩阵 | 第20页 |
| 2.3.3 设计原则 | 第20-21页 |
| 2.4 锚图 | 第21-27页 |
| 2.4.1 Z的设计 | 第21-23页 |
| 2.4.2 W 的设计 | 第23-27页 |
| 2.4.3 低秩矩阵近似连接 | 第27页 |
| 2.5 锚图正则化 | 第27-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 大规模半监督学习 | 第31-47页 |
| 3.1 问题背景 | 第31-32页 |
| 3.2 相关工作 | 第32-34页 |
| 3.3 核线性函数 | 第34-35页 |
| 3.4 低秩核函数泛化 | 第35-41页 |
| 3.4.1 锚图核 | 第36页 |
| 3.4.2 锚图拉普拉斯核 | 第36-38页 |
| 3.4.3 锚图卷积核 | 第38-41页 |
| 3.5 实验 | 第41-46页 |
| 3.5.1 实验子集 | 第42-44页 |
| 3.5.2 MNIST | 第44页 |
| 3.5.3 扩展的 MNIST | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 锚图哈希 | 第47-59页 |
| 4.1 简单介绍 | 第47-48页 |
| 4.2 锚图 | 第48-49页 |
| 4.3 特征函数泛化 | 第49-51页 |
| 4.4 分层散列 | 第51-54页 |
| 4.5 实验与分析 | 第54-58页 |
| 4.5.1 方法和评估协议 | 第55页 |
| 4.5.2 数据集 | 第55-56页 |
| 4.5.3 结果 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简介及在学期间所取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
