| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究的意义及国内外现状 | 第9-10页 |
| ·研究内容与创新点 | 第10-11页 |
| ·论文的研究内容 | 第10-11页 |
| ·论文的创新之处 | 第11页 |
| ·论文的组织结构 | 第11-13页 |
| 第2章 基于成对约束的降维与集成学习简介 | 第13-21页 |
| ·基于成对约束的降维 | 第13-14页 |
| ·基于成对约束的降维简介 | 第13页 |
| ·基于成对约束的降维算法的研究与发展 | 第13-14页 |
| ·集成学习 | 第14-17页 |
| ·集成学习的基本概念 | 第14-15页 |
| ·基分类器的生成方法 | 第15-16页 |
| ·基分类器的组合方法 | 第16-17页 |
| ·经典的集成学习方法 | 第17-20页 |
| ·Bagging | 第17-18页 |
| ·Boosting | 第18-20页 |
| ·Random Subspace | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于成对约束的半监督降维算法(LSLDA) | 第21-29页 |
| ·引言 | 第21页 |
| ·线性判别分析(LDA) | 第21-22页 |
| ·基于成对约束的半监督降维算法(LSLDA) | 第22-23页 |
| ·算法思想 | 第22-23页 |
| ·算法描述 | 第23页 |
| ·实验 | 第23-28页 |
| ·实验数据及参数设定 | 第24-25页 |
| ·实验结果与分析 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 基于成对约束的集成算法(En-LSLDA) | 第29-37页 |
| ·引言 | 第29页 |
| ·基于Bootstrap的采样方法 | 第29页 |
| ·基于成对约束的集成算法(En-LSLDA) | 第29-31页 |
| ·算法思想 | 第30页 |
| ·算法描述 | 第30-31页 |
| ·实验 | 第31-36页 |
| ·实验数据及参数设定 | 第31页 |
| ·实验结果与分析 | 第31-36页 |
| ·本章小结 | 第36-37页 |
| 第5章 异构的分类器集成算法(EnH-LSLDA) | 第37-46页 |
| ·引言 | 第37页 |
| ·基于随机子空间的特征选择方法 | 第37-38页 |
| ·异构的分类器集成算法(EnH-LSLDA) | 第38-39页 |
| ·算法思想 | 第38页 |
| ·算法描述 | 第38-39页 |
| ·实验 | 第39-45页 |
| ·实验数据及参数设定 | 第39-40页 |
| ·实验结果与分析 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-48页 |
| ·工作总结 | 第46-47页 |
| ·工作展望 | 第47-48页 |
| 参考文献 | 第48-55页 |
| 致谢 | 第55-56页 |
| 附录 | 第56页 |
