| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究现状 | 第14-19页 |
| 1.2.1 随机复合优化和随机优化的研究现状 | 第16-17页 |
| 1.2.2 筛选算法研究现状 | 第17-18页 |
| 1.2.3 随机矩阵算法研究现状 | 第18-19页 |
| 1.3 研究目标 | 第19页 |
| 1.4 本文工作 | 第19-23页 |
| 1.4.1 主要贡献 | 第19-21页 |
| 1.4.2 本文组织结构 | 第21-23页 |
| 第2章 针对大规模稀疏学习模型训练的随机复合优化算法 | 第23-49页 |
| 2.1 引言 | 第23-25页 |
| 2.2 相关工作 | 第25-27页 |
| 2.2.1 随机优化和随机复合优化 | 第25-26页 |
| 2.2.2 在线稀疏学习 | 第26-27页 |
| 2.3 预备知识和符号定义 | 第27页 |
| 2.4 针对大规模稀疏学习模型的随机复合优化框架 | 第27-38页 |
| 2.4.1 基于现有随机优化算法的稀疏学习 | 第28-31页 |
| 2.4.2 基于最后一个中间解的稀疏学习 | 第31-33页 |
| 2.4.3 基于中间解均值的稀疏学习 | 第33-38页 |
| 2.5 实验 | 第38-47页 |
| 2.5.1 合成数据集上的实验 | 第39-43页 |
| 2.5.2 实际数据集上的实验 | 第43-47页 |
| 2.6 本章小结 | 第47-49页 |
| 第3章 基于特征和样本共同筛选的稀疏支持向量机加速训练算法 | 第49-75页 |
| 3.1 引言 | 第49-51页 |
| 3.2 基础知识和关键思路 | 第51-56页 |
| 3.3 原问题和对偶问题解的估计 | 第56-61页 |
| 3.3.1 参数α和β的有效区间 | 第56-58页 |
| 3.3.2 原问题解的估计 | 第58-59页 |
| 3.3.3 对偶问题解的估计 | 第59-61页 |
| 3.4 SIFS特征样本共同筛选规则 | 第61-66页 |
| 3.4.1 不活跃特征筛选规则(IFS) | 第62-63页 |
| 3.4.2 不活跃样本筛选规则(ISS) | 第63-65页 |
| 3.4.3 基于IFS和ISS轮换迭代执行的特征样本共同筛选规则SIFS | 第65-66页 |
| 3.5 实验 | 第66-74页 |
| 3.5.1 合成数据集上的实验 | 第67-70页 |
| 3.5.2 实际数据集上的实验 | 第70-74页 |
| 3.6 本章小结 | 第74-75页 |
| 第4章 基于随机投影的加速稀疏线性回归算法 | 第75-91页 |
| 4.1 引言 | 第75-77页 |
| 4.2 相关工作 | 第77-79页 |
| 4.2.1 l_1-LS问题的相关优化算法 | 第77页 |
| 4.2.2 最小二乘和矩阵低秩近似的随机算法 | 第77-79页 |
| 4.3 预备知识和符号定义 | 第79-80页 |
| 4.4 基于随机投影的加速稀疏线性回归 | 第80-85页 |
| 4.4.1 理论分析结果 | 第81-85页 |
| 4.5 实验 | 第85-89页 |
| 4.5.1 合成数据集上的实验 | 第86-89页 |
| 4.5.2 实际数据集上的实验 | 第89页 |
| 4.6 本章小结 | 第89-91页 |
| 第5章 基于共享树结构的多任务特征学习的阿尔茨海默病基因风险因子检测方法 | 第91-125页 |
| 5.1 引言 | 第91-93页 |
| 5.2 预备知识 | 第93-95页 |
| 5.2.1 基于树结构的Group Lasso | 第93-94页 |
| 5.2.2 多任务特征学习 | 第94页 |
| 5.2.3 基于筛选的特征约简方法 | 第94-95页 |
| 5.3 我们的STM特征学习模型 | 第95-96页 |
| 5.4 我们的筛选规则 | 第96-114页 |
| 5.4.1 对偶问题和KKT条件 | 第97-100页 |
| 5.4.2 基于KKT条件的初始筛选规则 | 第100-107页 |
| 5.4.3 对偶解的估计 | 第107-112页 |
| 5.4.4 HFS特征筛选规则 | 第112-113页 |
| 5.4.5 STM模型原问题的高效求解 | 第113-114页 |
| 5.5 实验 | 第114-122页 |
| 5.5.1 合成数据集上的实验 | 第115-117页 |
| 5.5.2 实际数据集上的实验 | 第117-122页 |
| 5.6 本章小结 | 第122-125页 |
| 第6章 总结与展望 | 第125-129页 |
| 6.1 本文工作总结 | 第125-126页 |
| 6.2 未来工作展望 | 第126-129页 |
| 参考文献 | 第129-137页 |
| 攻读博士学位期间的主要研究成果 | 第137-139页 |
| 致谢 | 第139页 |
