混杂和多输出数据的度量学习方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题研究背景及研究目的 | 第8-10页 |
| 1.2 国内外研究现状及分析 | 第10-13页 |
| 1.2.1 距离度量学习 | 第10-11页 |
| 1.2.2 混杂数据度量学习 | 第11-12页 |
| 1.2.3 多标记度量学习 | 第12-13页 |
| 1.3 本文主要研究内容与论文结构 | 第13-16页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 论文结构 | 第14-16页 |
| 第2章 度量学习方法概述 | 第16-22页 |
| 2.1 传统经典度量学习方法 | 第16-17页 |
| 2.2 符号数据度量方法 | 第17-18页 |
| 2.3 混杂数据度量学习方法 | 第18-19页 |
| 2.4 多输出度量学习方法 | 第19-22页 |
| 第3章 基于几何平均的混杂数据度量学习 | 第22-30页 |
| 3.1 引言 | 第22页 |
| 3.2 核化的几何平均度量学习 | 第22-23页 |
| 3.3 多核几何平均度量学习 | 第23-26页 |
| 3.3.1 优化 | 第24-25页 |
| 3.3.2 求解 | 第25-26页 |
| 3.3.3 加权 | 第26页 |
| 3.4 实验结果及分析 | 第26-28页 |
| 3.4.1 数据集 | 第26页 |
| 3.4.2 对比算法 | 第26-27页 |
| 3.4.3 参数设置 | 第27-28页 |
| 3.4.4 实验分析 | 第28页 |
| 3.5 结论 | 第28-30页 |
| 第4章 基于支持向量的混杂数据度量学习 | 第30-38页 |
| 4.1 引言 | 第30页 |
| 4.2 支持向量混杂度量学习 | 第30-32页 |
| 4.3 多核支持向量混杂度量学习 | 第32-33页 |
| 4.4 实验结果及分析 | 第33-36页 |
| 4.4.1 数据集 | 第34页 |
| 4.4.2 对比算法 | 第34-35页 |
| 4.4.3 参数设置 | 第35页 |
| 4.4.4 实验分析 | 第35-36页 |
| 4.5 结论 | 第36-38页 |
| 第5章 关系对齐度量学习 | 第38-50页 |
| 5.1 引言 | 第38-39页 |
| 5.2 问题陈述 | 第39页 |
| 5.3 核回归框架 | 第39-41页 |
| 5.3.1 关系对齐学习 | 第39-41页 |
| 5.3.2 样本对核定义 | 第41页 |
| 5.3.3 回归度量学习 | 第41页 |
| 5.4 支持向量回归度量学习 | 第41-43页 |
| 5.5 岭回归度量学习 | 第43-44页 |
| 5.6 模型讨论 | 第44-45页 |
| 5.6.1 泛化界误差分析 | 第44页 |
| 5.6.2 样本关系函数 | 第44-45页 |
| 5.6.3 样本对选择 | 第45页 |
| 5.7 实验结果及分析 | 第45-48页 |
| 5.7.1 单标记分类 | 第45-46页 |
| 5.7.2 多标记分类 | 第46-47页 |
| 5.7.3 标签分布学习 | 第47-48页 |
| 5.8 结论 | 第48-50页 |
| 第6章 结语 | 第50-52页 |
| 6.1 总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 发表论文和参加科研情况说明 | 第58-60页 |
| 致谢 | 第60页 |
