| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景与意义 | 第8-9页 |
| ·研究现状与存在的问题 | 第9-11页 |
| ·本文研究内容及结构安排 | 第11-13页 |
| ·本文主要研究内容 | 第11-12页 |
| ·本文的组织结构安排 | 第12-13页 |
| 第二章 协同训练算法 | 第13-25页 |
| ·协同训练算法的发展 | 第13-15页 |
| ·协同训练的理论分析 | 第15-17页 |
| ·典型协同训练算法 | 第17-22页 |
| ·Co-training 算法 | 第17-18页 |
| ·Tri-training 算法 | 第18-21页 |
| ·Co-forest 算法 | 第21-22页 |
| ·协同训练算法的应用 | 第22-24页 |
| ·小结 | 第24-25页 |
| 第三章 Tri-training 框架下的多视图半监督神经网络 | 第25-33页 |
| ·算法思想及流程图 | 第26-27页 |
| ·多视图神经网络 | 第27-28页 |
| ·实验及结果分析 | 第28-32页 |
| ·实验设置 | 第28-29页 |
| ·结果分析 | 第29-32页 |
| ·总结 | 第32-33页 |
| 第四章 基于遗传算法的无标记数据选择半监督协同训练算法 | 第33-52页 |
| ·遗传算法介绍 | 第33-35页 |
| ·基于遗传算法的无标记数据选择半监督协同训练算法 | 第35-37页 |
| ·算法描述 | 第35-37页 |
| ·算法流程图 | 第37页 |
| ·遗传算法对分类规则的挖掘 | 第37-42页 |
| ·分类规则编码 | 第37-38页 |
| ·适应度函数 | 第38-39页 |
| ·基于遗传算法的分类规则挖掘方法描述 | 第39-40页 |
| ·遗传算法挖掘分类规则的实现 | 第40-42页 |
| ·实验及结果分析 | 第42-50页 |
| ·实验环境与数据 | 第42-44页 |
| ·实验参数设置 | 第44-45页 |
| ·实验结果分析 | 第45-50页 |
| ·小结 | 第50-52页 |
| 第五章 基于图的显式置信度估计半监督协同训练算法 | 第52-70页 |
| ·基于图的半监督学习算法 | 第52-53页 |
| ·基于图的显式置信度估计半监督协同训练算法框架 | 第53-54页 |
| ·基于图的显式无标记样本置信度估计 | 第54-56页 |
| ·算法描述 | 第56-57页 |
| ·实验及结果分析 | 第57-68页 |
| ·实验数据 | 第58页 |
| ·对比算法 | 第58-59页 |
| ·实验结果分析 | 第59-68页 |
| ·小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-73页 |
| ·工作总结 | 第70-71页 |
| ·工作展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |