| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 符号说明 | 第12-16页 |
| 第一章 绪论 | 第16-39页 |
| ·机器学习问题 | 第18-21页 |
| ·学习模型 | 第18-20页 |
| ·经验风险最小化归纳原则 | 第20-21页 |
| ·统计学习理论 | 第21-23页 |
| ·VC维理论 | 第21页 |
| ·结构风险最小化归纳原则 | 第21-23页 |
| ·半监督学习问题 | 第23-26页 |
| ·分类问题 | 第23-25页 |
| ·半监督分类问题 | 第25-26页 |
| ·研究现状 | 第26-36页 |
| ·半监督学习的研究现状 | 第26-33页 |
| ·局部学习的研究现状 | 第33-36页 |
| ·论文的选题动机和组织结构 | 第36-39页 |
| ·论文的选题动机 | 第36-37页 |
| ·论文的组织结构 | 第37-39页 |
| 第二章 基于局部学习的半监督多类分类算法 | 第39-54页 |
| ·问题的提出 | 第39-42页 |
| ·半监督二类分类问题 | 第39-41页 |
| ·半监督多类分类问题 | 第41-42页 |
| ·局部学习正则项 | 第42-45页 |
| ·半监督多类分类问题中标记的表示方法 | 第45-47页 |
| ·二进制序列标记表示方法 | 第46页 |
| ·单位圆标记表示方法 | 第46-47页 |
| ·基于局部学习的半监督多类分类算法 | 第47-48页 |
| ·数值实验 | 第48-54页 |
| ·实验数据集 | 第48-49页 |
| ·实验方法与参数设置 | 第49-50页 |
| ·实验结果 | 第50-54页 |
| 第三章 结合全局和局部正则化的半监督多类分类算法 | 第54-73页 |
| ·问题的提出 | 第54页 |
| ·可调节的标记表示方法 | 第54-59页 |
| ·正则化方法 | 第59-61页 |
| ·全局正则化 | 第59页 |
| ·局部正则化 | 第59-61页 |
| ·基于局部学习和可调节标记表示方法的半监督多类分类算法 | 第61-66页 |
| ·算法描述 | 第61-62页 |
| ·数值实验 | 第62-66页 |
| ·结合全局和局部正则化的半监督多类分类算法 | 第66-73页 |
| ·算法描述 | 第66-68页 |
| ·数值实验 | 第68-73页 |
| 第四章 基于局部学习的半监督多标记分类算法 | 第73-83页 |
| ·问题的提出 | 第73-74页 |
| ·基本思想 | 第74-76页 |
| ·基于局部学习的半监督多标记分类算法 | 第76-80页 |
| ·数值实验 | 第80-83页 |
| ·实验数据集 | 第80页 |
| ·实验方法与参数设置 | 第80-82页 |
| ·实验结果 | 第82-83页 |
| 第五章 半监督多类分类算法在电力变压器故障诊断中的应用 | 第83-94页 |
| ·电力变压器故障诊断的研究背景和意义 | 第83-84页 |
| ·电力变压器油中溶解气体分析技术原理 | 第84-85页 |
| ·电力变压器故障诊断综合分析 | 第85页 |
| ·基于半监督多类分类算法的电力变压器故障诊断层次模型. | 第85-92页 |
| ·分类器模型选择 | 第86-88页 |
| ·特征选择 | 第88页 |
| ·故障样本 | 第88-89页 |
| ·数据预处理 | 第89-91页 |
| ·实验方法与参数设置 | 第91-92页 |
| ·实验结果 | 第92页 |
| ·结论 | 第92-94页 |
| 第六章 结论与展望 | 第94-97页 |
| ·结论 | 第94-95页 |
| ·展望 | 第95-97页 |
| 参考文献 | 第97-107页 |
| 攻读博士学位期间完成的学术论文 | 第107-108页 |
| 致谢 | 第108-109页 |
