流形学习算法的研究

摘要	第1-4页
Abstract	第4-9页
第1章 绪论	第9-17页
·数据降维的目的和应用	第9-10页
·基于谱图理论的流形学习	第10-11页
·线性流形学习	第11-13页
·主成分分析法	第11-12页
·多维尺度分析方法	第12-13页
·非线性流形学习方法的发展	第13-14页
·本文目标,结果和组织结构	第14-15页
·本章小结	第15-17页
第2章 非线性流形学习方法	第17-35页
·等距映射算法介绍	第17-21页
·算法的评价标准	第19页
·等距映射算法的参数	第19-20页
·应用实例	第20-21页
·等距映射算法的不足	第21-25页
·对样本集的要求	第21-22页
·等距映射的时间复杂度	第22-23页
·邻域参数的选择	第23-25页
·对新测试样本的处理	第25页
·其余几种非线性流形学习方法	第25-33页
·局部线性嵌入	第25-26页
·拉普拉斯特征映射	第26-27页
·海赛局部线性嵌入	第27页
·局部切空间排列	第27页
·扩散映射	第27-28页
·各算法的实验对比及分析	第28-33页
·本章小结	第33-35页
第3章 基于最优邻域图的等距映射流形学习算法	第35-43页
·算法描述	第35-37页
·邻域图的平均最短路径与邻域参数的关系	第35-36页
·边的最短路径梯度和短路边	第36-37页
·实验及结论	第37-41页
·算法的时间复杂度	第41页
·本章小结	第41-43页
第4章 高效处理新样本的谱图理论流形学习算法	第43-55页
·广义回归神经网络简介	第43-44页
·高效处理新样本的谱图理论流形学习算法	第44-45页
·实验与结论	第45-54页
·实验设计	第45-48页
·试验结果与结论	第48-54页
·本章小结	第54-55页
第5章 总结与展望	第55-57页
·总结	第55-56页
·展望	第56-57页
参考文献	第57-61页
致谢	第61-63页
攻读学位期间研究成果	第63页