| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究工作的背景与意义 | 第13页 |
| 1.2 半监督学习的国内外研究历史与现状 | 第13-17页 |
| 1.2.1 半监督学习 | 第13-15页 |
| 1.2.2 可靠的半监督学习 | 第15-17页 |
| 1.3 本文的主要贡献与创新 | 第17-18页 |
| 1.4 本论文的结构安排 | 第18-20页 |
| 第二章 半监督学习基础 | 第20-39页 |
| 2.1 半监督学习 | 第20-21页 |
| 2.2 无标签数据与半监督学习 | 第21-23页 |
| 2.3 半监督学习模型 | 第23-28页 |
| 2.3.1 自训练模型 | 第23-24页 |
| 2.3.2 协同训练模型 | 第24-25页 |
| 2.3.3 最大间隔模型 | 第25-26页 |
| 2.3.4 基于图的半监督模型 | 第26-28页 |
| 2.3.5 基于熵的半监督模型 | 第28页 |
| 2.4 在线半监督学习 | 第28-30页 |
| 2.4.1 基于簇的在线半监督模型 | 第28-29页 |
| 2.4.2 在线流型模型 | 第29-30页 |
| 2.4.3 其他模型 | 第30页 |
| 2.5 半监督学习的安全性 | 第30-32页 |
| 2.5.1 无标签噪声数据 | 第30-31页 |
| 2.5.2 模型假设与数据的不一致性 | 第31页 |
| 2.5.3 非凸优化与局部最小值 | 第31-32页 |
| 2.5.4 模型评估的偏执 | 第32页 |
| 2.5.5 其他因素 | 第32页 |
| 2.6 安全的半监督学习算法 | 第32-37页 |
| 2.6.1 基于放松的模型假设的算法 | 第32-33页 |
| 2.6.2 半监督集成模型 | 第33-36页 |
| 2.6.3 无标签数据的权重学习算法 | 第36-37页 |
| 2.7 本章小节 | 第37-39页 |
| 第三章 基于度量聚类假设的权重学习算法 | 第39-50页 |
| 3.1 问题简述 | 第39-40页 |
| 3.2 聚类假设的度量 | 第40-42页 |
| 3.2.1 簇规则性 | 第40-41页 |
| 3.2.2 簇优先级 | 第41-42页 |
| 3.3 模型预测 | 第42-44页 |
| 3.4 实验验证 | 第44-49页 |
| 3.4.1 人工数据集验证实验 | 第45-47页 |
| 3.4.2 真实数据集验证实验 | 第47页 |
| 3.4.3 参数敏感性分析实验 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于流型度量的可靠性传播算法 | 第50-64页 |
| 4.1 问题简述 | 第50-51页 |
| 4.2 可靠性传播算法 | 第51-53页 |
| 4.3 模型优化 | 第53-55页 |
| 4.4 分布式可靠性传播算法 | 第55-57页 |
| 4.5 可靠性权重与半监督学习 | 第57-58页 |
| 4.6 实验验证 | 第58-63页 |
| 4.6.1 人工数据集验证实验 | 第59-60页 |
| 4.6.2 真实数据集验证实验 | 第60-62页 |
| 4.6.3 参数敏感性分析实验 | 第62-63页 |
| 4.7 本章小结 | 第63-64页 |
| 第五章 在线的可靠半监督学习 | 第64-91页 |
| 5.1 基于微簇的可靠半监督算法 | 第64-68页 |
| 5.1.1 问题简述 | 第64-65页 |
| 5.1.2 半监督微簇 | 第65页 |
| 5.1.3 微簇维护策略 | 第65-68页 |
| 5.2 在线半监督最小二乘算法 | 第68-78页 |
| 5.2.1 问题简述 | 第68页 |
| 5.2.2 半监督最小二乘 | 第68-71页 |
| 5.2.3 基于窗口的半监督最小二乘 | 第71-74页 |
| 5.2.4 高效的模型更新 | 第74-76页 |
| 5.2.5 RegretBound分析 | 第76-78页 |
| 5.3 实验验证 | 第78-90页 |
| 5.3.1 实验设置 | 第79-80页 |
| 5.3.2 BLS算法静态数据集验证实验 | 第80-82页 |
| 5.3.3 真实数据流数据验证实验 | 第82页 |
| 5.3.3.1 ReSSLStream算法验证 | 第82页 |
| 5.3.3.2 BLS算法验证 | 第82页 |
| 5.3.4 参数敏感性分析 | 第82-90页 |
| 5.3.4.1 ReSSLStream算法参数分析 | 第86-88页 |
| 5.3.4.2 BLS算法参数分析 | 第88-90页 |
| 5.4 本章小结 | 第90-91页 |
| 第六章 全文总结 | 第91-93页 |
| 6.1 全文总结 | 第91-92页 |
| 6.2 后续工作展望 | 第92-93页 |
| 致谢 | 第93-94页 |
| 参考文献 | 第94-103页 |
| 攻硕期间取得的研究成果 | 第103页 |