| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题背景 | 第10-13页 |
| ·全文组织结构 | 第13-14页 |
| 第二章 基于流形学习的降维方法概述 | 第14-29页 |
| ·线性降维方法 | 第14-16页 |
| ·主成分分析(PCA) | 第14-15页 |
| ·多维尺度变换(MDS) | 第15-16页 |
| ·非线性降维方法 | 第16-22页 |
| ·等距离映射(ISOMAP) | 第17-18页 |
| ·局部线性嵌入(LLE) | 第18-19页 |
| ·拉普拉斯特征映射(Laplacian Eigenmaps) | 第19-20页 |
| ·随机邻域嵌入(SNE) | 第20-21页 |
| ·图册流形(Charting a Manifold) | 第21-22页 |
| ·非线性降维统一框架 | 第22-23页 |
| ·非线性降维方法中需要解决的问题 | 第23-27页 |
| ·本征维数的估计 | 第23-24页 |
| ·特殊流形的非线性降维 | 第24-25页 |
| ·样本外(Out-of-Sample)学习能力 | 第25-26页 |
| ·有监督学习 | 第26-27页 |
| ·小结 | 第27-29页 |
| 第三章 自组织局部线性嵌入(Self-Organized LLE) | 第29-41页 |
| ·局部线性嵌入算法 | 第29-31页 |
| ·扩散生长型自组织映射算法 | 第31-33页 |
| ·自组织局部线性嵌入算法及分析 | 第33-35页 |
| ·自组织局部线性嵌入算法 | 第33-34页 |
| ·自组织局部线性嵌入算法简要分析 | 第34-35页 |
| ·仿真实验及性能分析 | 第35-41页 |
| ·数据点邻域值的自动选择 | 第35-36页 |
| ·本征维数的估计 | 第36-37页 |
| ·与原始LLE 算法运算量比较 | 第37-38页 |
| ·自组织局部线性嵌入算法的应用 | 第38-41页 |
| 第四章 局部线性嵌入用于噪声流形学习的理论分析 | 第41-52页 |
| ·噪声对于流形非线性降维的影响 | 第41-44页 |
| ·目前降噪问题的解决方法 | 第44-47页 |
| ·基于局部切线空间的主流形学习算法 | 第44-45页 |
| ·局部线性平滑算法 | 第45-47页 |
| ·基于局部线性嵌入的噪声流形学习改进算法 | 第47-52页 |
| ·自组织局部线性嵌入算法 | 第47-48页 |
| ·局部PCA 算法 | 第48-50页 |
| ·邻域平滑算法 | 第50-52页 |
| 第五章 局部线性嵌入在模式识别中的应用 | 第52-64页 |
| ·数据集介绍 | 第52-53页 |
| ·算法简介 | 第53-57页 |
| ·有监督的局部线性嵌入 | 第54-55页 |
| ·线性判别分析 | 第55-56页 |
| ·支撑向量机 | 第56-57页 |
| ·LLE 对于新样本在低维空间的映射 | 第57页 |
| ·仿真实验与比较 | 第57-63页 |
| ·IRIS 数据分类实验 | 第57-59页 |
| ·手写数字图像识别实验 | 第59-61页 |
| ·人脸识别实验 | 第61-63页 |
| ·实验结果分析 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
