| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景及研究的目的和意义 | 第8-10页 |
| 1.1.1 课题的研究背景 | 第8-9页 |
| 1.1.2 课题的研究意义 | 第9-10页 |
| 1.2 国内外研究现状与分析 | 第10-12页 |
| 1.3 本文的研究内容与组织结构 | 第12-13页 |
| 第2章 基于树结构的度量学习方法研究 | 第13-27页 |
| 2.1 引言 | 第13-14页 |
| 2.2 问题定义与符号 | 第14-15页 |
| 2.3 基于树结构的特征表示方法 | 第15-19页 |
| 2.3.1 基于叶子节点的表示方法 | 第15-17页 |
| 2.3.2 基于决策路径的表示方法 | 第17-19页 |
| 2.4 基于随机树的度量学习方法 | 第19-22页 |
| 2.4.1 组合随机树算法 | 第19-20页 |
| 2.4.2 随机树表示算法 | 第20-21页 |
| 2.4.3 时间复杂度分析 | 第21-22页 |
| 2.5 实验结果与分析 | 第22-25页 |
| 2.5.1 实验设计 | 第22页 |
| 2.5.2 实验结果 | 第22-25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 基于回归分析的不完整数据处理方法研究 | 第27-39页 |
| 3.1 引言 | 第27-28页 |
| 3.2 回归分析简介 | 第28-30页 |
| 3.2.1 经典回归模型简介 | 第28页 |
| 3.2.2 基于不完整数据的回归模型 | 第28-30页 |
| 3.3 基于特征表示的不完整数据处理方法 | 第30-35页 |
| 3.3.1 不完整数据的预测 | 第30-32页 |
| 3.3.2 不完整数据的自动编码算法 | 第32-35页 |
| 3.4 实验结果与分析 | 第35-38页 |
| 3.4.1 实验设计 | 第35-36页 |
| 3.4.2 实验结果 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于度量学习的不完整数据聚类方法研究 | 第39-59页 |
| 4.1 引言 | 第39-40页 |
| 4.2 聚类方法简介 | 第40-41页 |
| 4.3 不完整数据聚类 | 第41-51页 |
| 4.3.1 相似性图介绍 | 第41-43页 |
| 4.3.2 Graph Laplacian | 第43-46页 |
| 4.3.3 Normalized Graph Laplacian | 第46-48页 |
| 4.3.4 不完整数据上的聚类 | 第48-51页 |
| 4.4 聚类结果的评价标准 | 第51-55页 |
| 4.4.1 基于纯度的聚类结果评价 | 第51-52页 |
| 4.4.2 基于Rand Index的聚类结果评价 | 第52-53页 |
| 4.4.3 基于互信息的聚类结果评价 | 第53-55页 |
| 4.5 实验结果与分析 | 第55-58页 |
| 4.5.1 实验设计 | 第55-56页 |
| 4.5.2 实验结果 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第63-65页 |
| 致谢 | 第65页 |