基于特征空间变换的半监督学习
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·统计机器学习的概念及现状 | 第8-11页 |
| ·基本概念 | 第8-9页 |
| ·统计机器学习现状 | 第9-11页 |
| ·统计机器学习应用 | 第11-12页 |
| ·本文工作的意义和内容 | 第12-14页 |
| ·本文工作的意义 | 第12-13页 |
| ·本文的内容 | 第13-14页 |
| 第2章 相关理论及技术 | 第14-27页 |
| ·分类方法 | 第14-18页 |
| ·朴素贝叶斯分类 | 第14-15页 |
| ·K 近邻分类 | 第15-16页 |
| ·其他分类方法 | 第16-17页 |
| ·基于BOW 模型的文本分类 | 第17-18页 |
| ·回归方法 | 第18-21页 |
| ·K 近邻回归 | 第18-19页 |
| ·BP 神经网络 | 第19-20页 |
| ·其他回归方法 | 第20-21页 |
| ·协同训练 | 第21-25页 |
| ·协同训练算法 | 第21-23页 |
| ·基于maxInd 的协同训练 | 第23页 |
| ·基于协同训练的回归 | 第23-25页 |
| ·K-L 变换（PCA） | 第25-26页 |
| ·小结 | 第26-27页 |
| 第3章 基于特征空间变换的半监督分类 | 第27-42页 |
| ·算法建模 | 第27页 |
| ·基于特征空间变换的半监督分类算法 | 第27-35页 |
| ·特征空间变换 | 第27-29页 |
| ·基于特征值的能量函数 | 第29-30页 |
| ·特征空间划分策略 | 第30-33页 |
| ·算法描述及推广 | 第33-35页 |
| ·实验结果及分析 | 第35-40页 |
| ·实验设置 | 第35-37页 |
| ·实验结果分析 | 第37-40页 |
| ·小结 | 第40-42页 |
| 第4章 基于特征空间变换的半监督回归及其应用 | 第42-55页 |
| ·基于特征空间变换的半监督回归(SSRFT) | 第42-43页 |
| ·实验结果及分析 | 第43-44页 |
| ·SSRFT 在WEB文档归类中的应用 | 第44-53页 |
| ·Web 文档归类 | 第45-46页 |
| ·LSRC 算法中用到的短语特征集 | 第46-47页 |
| ·基于SSRFT 的Web 文档归类 | 第47-51页 |
| ·评价标准 | 第51-52页 |
| ·实验结果分析 | 第52-53页 |
| ·小结 | 第53-55页 |
| 第5章 结束语 | 第55-58页 |
| ·全文总结 | 第55-56页 |
| ·下一步的研究 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 在读期间发表的学术论文 | 第63页 |
