协同学习算法的研究及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 论文主要研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-20页 |
| 第二章 相关理论研究 | 第20-30页 |
| 2.1 半监督学习简介 | 第20-21页 |
| 2.2 生成式模型算法 | 第21-22页 |
| 2.3 自训练算法 | 第22-23页 |
| 2.4 协同学习算法 | 第23-28页 |
| 2.4.1 Co-training算法 | 第23-24页 |
| 2.4.2 Tri-training算法 | 第24-26页 |
| 2.4.3 Co-forest算法 | 第26-28页 |
| 2.5 基于图的半监督学习算法 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于LLGC的协同学习算法 | 第30-46页 |
| 3.1 LLGC算法 | 第30-31页 |
| 3.2 基于LLGC与支持向量机的协同学习算法 | 第31-34页 |
| 3.2.1 概率支持向量机 | 第32-33页 |
| 3.2.2 Co-LLSVM算法 | 第33-34页 |
| 3.3 基于LLGC与随机森林的协同学习算法 | 第34-37页 |
| 3.3.1 随机森林 | 第35页 |
| 3.3.2 Co-LLRF算法 | 第35-37页 |
| 3.4 实验与分析 | 第37-45页 |
| 3.4.1 数据预处理 | 第37-39页 |
| 3.4.2 实验结果与分析 | 第39-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 协同学习算法在侧信道攻击中的应用 | 第46-58页 |
| 4.1 侧信道攻击 | 第46-47页 |
| 4.2 一种改进的协同学习算法—CoVT | 第47-49页 |
| 4.3 CoVT算法在侧信道攻击中的应用 | 第49-55页 |
| 4.3.1 特征点选择 | 第50-51页 |
| 4.3.2 攻击掩码 | 第51页 |
| 4.3.3 实验结果与分析 | 第51-55页 |
| 4.4 本章小结 | 第55-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 工作总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
