摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第8-12页 |
1.1 研究背景与意义 | 第8页 |
1.2 国内外研究现状 | 第8-10页 |
1.3 数据降维方法综述 | 第10页 |
1.4 主要研究内容及创新 | 第10-12页 |
第二章 稀疏主成分分析 | 第12-22页 |
2.1 主成分分析简介 | 第12-13页 |
2.2 主成分分析存在的问题 | 第13-14页 |
2.3 基于正则化的稀疏主成分分析 | 第14-19页 |
2.3.1 正则化相关知识 | 第14-18页 |
2.3.2 基于弹性网的稀疏主成分分析 | 第18-19页 |
2.4 数值实验 | 第19-20页 |
2.5 小结 | 第20-22页 |
第三章 基于加权绝对相关系数的超高维数据的降维研究 | 第22-29页 |
3.1 安全独立筛选简介 | 第22-23页 |
3.2 安全独立筛选的局限性 | 第23-24页 |
3.3 基于加权绝对相关系数的降维技术 | 第24-26页 |
3.4 数值实验 | 第26-28页 |
3.5 小结 | 第28-29页 |
第四章 基于流形学习的降维方法 | 第29-36页 |
4.1 流形学习简介 | 第29-30页 |
4.2 等距映射 | 第30-32页 |
4.3 局部线性嵌入 | 第32-33页 |
4.4 改进的基于熵权法的局部线性嵌入 | 第33-34页 |
4.5 数值模拟 | 第34-35页 |
4.6 小结 | 第35-36页 |
第五章 结论与展望 | 第36-38页 |
参考文献 | 第38-42页 |
致谢 | 第42-43页 |
附录 攻读学位期间发表的学术论文 | 第43页 |