中文摘要 | 第1-9页 |
ABSTRACT | 第9-11页 |
第一章 引言 | 第11-15页 |
·研究背景 | 第11页 |
·国内外研究现状 | 第11-13页 |
·论文的主要工作 | 第13-15页 |
第二章 背景知识 | 第15-21页 |
·支持向量机简介 | 第15-16页 |
·支持向量分类机与回归机 | 第15-16页 |
·核映射 | 第16页 |
·半监督学习方法 | 第16-20页 |
·半监督学习方法 | 第17-19页 |
·经典的半监督协同训练方法 | 第19-20页 |
·本章小节 | 第20-21页 |
第三章 基于差异性度量的协同回归支持向量机学习方法 | 第21-27页 |
·基于差异性度量的Co-SVR学习方法 | 第21-23页 |
·Co-SVR学习方法 | 第21-23页 |
·Co-SVR算法 | 第23页 |
·学习器差异性度量方法 | 第23-25页 |
·本章小节 | 第25-27页 |
第四章 实验结果与分析 | 第27-47页 |
·实验数据集说明及参数设置 | 第27-30页 |
·数据集说明 | 第27页 |
·学习器参数设置 | 第27-28页 |
·误差评测指标 | 第28-30页 |
·学习器差异性对泛化能力的影响 | 第30-37页 |
·Co-SVR算法与SVR的实验结果比较 | 第30页 |
·学习器差异性变化比较 | 第30-37页 |
·在真实数据集上学习器差异性对泛化能力的影响 | 第37页 |
·学习器差异性对协同训练效率的影响 | 第37-46页 |
·协同训练次数对Co-SVR泛化能力的影响 | 第37-38页 |
·协同训练次数与异质学习器差异性的关系 | 第38-46页 |
·本章小结 | 第46-47页 |
第五章 结论和展望 | 第47-49页 |
参考文献 | 第49-53页 |
致谢 | 第53-54页 |
发表文章目录 | 第54-55页 |
个人简况及联系方式 | 第55-57页 |