多视图半监督学习在桥梁结构健康数据分类中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-18页 |
| ·研究背景 | 第9-10页 |
| ·研究现状 | 第10-16页 |
| ·桥梁结构健康监测 | 第10-11页 |
| ·半监督学习 | 第11-16页 |
| ·领域背景 | 第11-12页 |
| ·半监督学习概述 | 第12-13页 |
| ·半监督学习算法分类 | 第13-15页 |
| ·半监督学习方法的应用 | 第15-16页 |
| ·本文研究内容及结构安排 | 第16-18页 |
| ·研究内容及意义 | 第16-17页 |
| ·本文组织结构 | 第17-18页 |
| 第2章 多视图半监督学习 | 第18-28页 |
| ·多视图数据与表示 | 第18-19页 |
| ·多视图的半监督学习 | 第19-20页 |
| ·协同训练 | 第20-28页 |
| ·协同训练研究进展 | 第20-21页 |
| ·协同训练的实现策略 | 第21-23页 |
| ·协同训练的典型算法 | 第23-28页 |
| ·标准 Co-training 算法 | 第23-25页 |
| ·Tri-Training 算法 | 第25-27页 |
| ·Co-Forest 算法 | 第27-28页 |
| 第3章 课题前期准备工作及理论分析 | 第28-35页 |
| ·前期主要研究成果 | 第28页 |
| ·理论分析 | 第28-33页 |
| ·Co-training 算法的条件限制问题 | 第28-30页 |
| ·分类器间差异性的关键作用 | 第30-33页 |
| ·基本认识 | 第33-35页 |
| 第4章 基于分类器差异性的协同训练算法 | 第35-52页 |
| ·算法描述 | 第35-38页 |
| ·算法有效性理论分析 | 第38-39页 |
| ·视图分割 | 第39-41页 |
| ·相关性与互信息 | 第39-40页 |
| ·视图分割思想 | 第40页 |
| ·互信息计算方法 | 第40-41页 |
| ·方法论证说明 | 第41页 |
| ·未标记样本标记方法 | 第41-46页 |
| ·Agreement 标记规则 | 第42页 |
| ·Disagreement 标记规则 | 第42-43页 |
| ·改进的未标记样本标记方法 | 第43-44页 |
| ·算法有效性分析 | 第44-46页 |
| ·比较实验 | 第45-46页 |
| ·实验结果分析 | 第46页 |
| ·分类器差异性评估方法 | 第46-50页 |
| ·算法有效性验证 | 第47-50页 |
| ·实验设置 | 第47-48页 |
| ·算法比较实验 | 第48-50页 |
| ·实验结果分析 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第5章 桥梁结构健康多视图半监督分类模型 | 第52-71页 |
| ·引言 | 第52页 |
| ·桥梁结构参数数据 | 第52-57页 |
| ·桥梁结构参数数据特征构成 | 第52页 |
| ·桥梁结构数据分布特点 | 第52-57页 |
| ·分类模型的建立 | 第57页 |
| ·实验过程 | 第57-69页 |
| ·数据来源及实验环境 | 第57-58页 |
| ·桥梁结构数据预处理方法 | 第58-59页 |
| ·实验设置 | 第59-60页 |
| ·标记样本数量选择实验 | 第60-65页 |
| ·与监督算法比较实验 | 第65-67页 |
| ·与半监督算法比较实验 | 第67-69页 |
| ·实验结论 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 在学期间发表的学术论文与研究成果 | 第78-79页 |
| 致谢 | 第79页 |
