基于流形学习的有监督降维方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-36页 |
| ·维数约简及流形学习的研究背景和现状 | 第11-18页 |
| ·维数灾难 | 第11-12页 |
| ·维数约简 | 第12-16页 |
| ·特征选择 | 第13-15页 |
| ·特征提取 | 第15-16页 |
| ·基于流形学习特征提取方法回顾 | 第16-18页 |
| ·国内外研究现状 | 第18-23页 |
| ·流形的有关数学基础 | 第23-25页 |
| ·几种代表性的流形学习算法 | 第25-30页 |
| ·投影法 | 第25-27页 |
| ·生成法 | 第27页 |
| ·嵌入法的典型代表算法 | 第27-28页 |
| ·公有信息法 | 第28-30页 |
| 参考文献 | 第30-36页 |
| 第2章 三种典型的基于流形学习的监督降维方法 | 第36-55页 |
| ·局部敏感判别分析算法 LSDA | 第36-40页 |
| ·最优的线性嵌入 | 第38-39页 |
| ·核化的LSDA | 第39-40页 |
| ·图嵌入框架介绍（MFA） | 第40-47页 |
| ·图嵌入：降维的统一的框架 | 第42-44页 |
| ·图嵌入和已有算法的关系 | 第44-45页 |
| ·MFA 算法 | 第45-47页 |
| ·判别局部线性嵌入算法 DLLE | 第47-52页 |
| ·图嵌入框架回顾 | 第48-49页 |
| ·DLLE 算法介绍 | 第49-52页 |
| 参考文献 | 第52-55页 |
| 第3章 正交判别投影 | 第55-67页 |
| ·引言 | 第55-56页 |
| ·UDP 算法回顾 | 第56-57页 |
| ·ODP 算法 | 第57-60页 |
| ·样本点对之间的权值 | 第57-59页 |
| ·局部邻域散度 | 第59页 |
| ·非局部邻域散度 | 第59-60页 |
| ·目标函数 | 第60页 |
| ·校正 | 第60页 |
| ·实验 | 第60-65页 |
| ·FERET 人脸数据 | 第60-62页 |
| ·肺癌数据 | 第62-64页 |
| ·胶质癌症细胞 | 第64-65页 |
| ·小结 | 第65-66页 |
| 参考文献 | 第66-67页 |
| 第4章 敏感边界分析 | 第67-85页 |
| ·牧羊人模型 | 第67-69页 |
| ·LSFA 算法应用于 IRIS 数据集 | 第69-71页 |
| ·LSFA 算法 | 第71-75页 |
| ·构建紧邻关系图 | 第71-72页 |
| ·类别关系矩阵 | 第72页 |
| ·检测出敏感点 | 第72页 |
| ·奇异点消除 | 第72-73页 |
| ·构造类间敏感图和类内敏感图 | 第73-74页 |
| ·校正 | 第74-75页 |
| ·LSFA 算法的流程图如下 | 第75页 |
| ·讨论 | 第75-78页 |
| ·实验部分 | 第78-80页 |
| ·YALE 人脸数据 | 第78-80页 |
| ·ORL 人脸数据 | 第80页 |
| ·小结 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 展望 | 第85-86页 |
| 在读期间发表的学术论文与科研项目 | 第86-87页 |
| 致谢 | 第87页 |
