基于流形学习的数据降维
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| ·数据降维研究的意义 | 第8-10页 |
| ·数据降维问题描述 | 第10页 |
| ·数据降维方法概述 | 第10-13页 |
| ·本文工作 | 第13页 |
| ·本文结构 | 第13-14页 |
| 第二章 典型的数据降维方法 | 第14-27页 |
| ·线性降维方法 | 第14-16页 |
| ·主成分分析法 | 第14-16页 |
| ·多维尺度法 | 第16页 |
| ·非线性降维方法 | 第16-25页 |
| ·流形学习中图构建方法 | 第16-21页 |
| ·局部线性嵌入法 | 第21-23页 |
| ·等距嵌入法 | 第23-24页 |
| ·拉普拉斯特征映射法 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于核理论的LE算法 | 第27-35页 |
| ·引言 | 第27-28页 |
| ·核化主成分分析法 | 第28-29页 |
| ·核化局部线性嵌入法 | 第29-31页 |
| ·核化拉普拉斯特征映射法 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 一种PCA与LLE混合数据降维算法 | 第35-43页 |
| ·引言 | 第35页 |
| ·PLE方法介绍 | 第35-37页 |
| ·PLE方法分析 | 第37-38页 |
| ·实验 | 第38-42页 |
| ·实验环境 | 第38页 |
| ·经典数据集 | 第38页 |
| ·更具挑战性的数据集 | 第38页 |
| ·手写字数据集和人脸数据集 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-47页 |
| ·本文工作总结 | 第43-44页 |
| ·未来工作展望 | 第44-47页 |
| ·流形学习方法的Banach空间推广 | 第44-45页 |
| ·流形学习方法的多核理论推广 | 第45页 |
| ·构造新核函数的流形学习理论 | 第45-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
