| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.2 研究现状与存在问题 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 维数约减算法 | 第16-27页 |
| 2.1 无监督降维 | 第16-19页 |
| 2.1.1 主成分分析 | 第16-18页 |
| 2.1.2 局部保持投影 | 第18-19页 |
| 2.2 有监督降维 | 第19-20页 |
| 2.3 半监督降维 | 第20-23页 |
| 2.3.1 基于类别标号的降维方法 | 第21-22页 |
| 2.3.2 基于成对约束的降维方法 | 第22页 |
| 2.3.3 基于其它监督信息的降维方法 | 第22-23页 |
| 2.4 基于图的半监督维数约减 | 第23-26页 |
| 2.4.1 图的构建 | 第23-24页 |
| 2.4.2 相似性计算 | 第24-25页 |
| 2.4.3 基于图的半监督维数约减算法-SDA | 第25-26页 |
| 2.4.4 面临的难题 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于组合图的半监督维数约减 | 第27-37页 |
| 3.1 KMEANS算法 | 第28-29页 |
| 3.2 基于组合图的半监督维数约减 | 第29-32页 |
| 3.3 实验验证及算法性能分析 | 第32-36页 |
| 3.3.1 实验数据集 | 第32页 |
| 3.3.2 不同目标维度d下的性能 | 第32-34页 |
| 3.3.3 在不同数量约束信息下的性能 | 第34-35页 |
| 3.3.4 聚类参数k的敏感性 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于K-REGULAR混合图的半监督维数约减 | 第37-47页 |
| 4.1 K-REGULAR近邻图 | 第37-40页 |
| 4.2 实验验证及算法性能分析 | 第40-46页 |
| 4.2.1 实验数据集和参数设置 | 第40-42页 |
| 4.2.2 不同的目标维度下的结果分析 | 第42-43页 |
| 4.2.3 不同数量边约束信息下的结果分析 | 第43-44页 |
| 4.2.4 近邻大小敏感性分析 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 总结及展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-55页 |
| 发表论文 | 第55页 |