数据降维的广义相关分析研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 目录 | 第9-16页 |
| 第一章 绪论 | 第16-29页 |
| ·模式识别简介 | 第16-17页 |
| ·数据集分类 | 第17页 |
| ·数据降维的意义与方法 | 第17-22页 |
| ·主成分分析(PCA) | 第18-19页 |
| ·线性判别分析(LDA) | 第19-20页 |
| ·局部保持投影(LPP) | 第20页 |
| ·典型相关分析(CCA) | 第20-21页 |
| ·偏最小二乘回归(PLS) | 第21-22页 |
| ·相关分析回顾 | 第22-24页 |
| ·皮尔逊(Pearson)相关系数 | 第22页 |
| ·余弦(Cosine)相关系数 | 第22-23页 |
| ·斯皮尔曼(Spearman)秩相关系数 | 第23-24页 |
| ·基于相关分析的降维方法所面临的问题 | 第24-26页 |
| ·处理单视图数据时与 LDA 等价的困境 | 第24-25页 |
| ·处理多视图数据的监督信息利用问题 | 第25-26页 |
| ·处理多视图数据的全配对要求 | 第26页 |
| ·论文的主要研究工作 | 第26-29页 |
| ·贡献与创新 | 第26-27页 |
| ·本文内容安排 | 第27-29页 |
| 第二章 分类器引导的广义相关降维 | 第29-44页 |
| ·引言 | 第29-30页 |
| ·相关工作介绍 | 第30-33页 |
| ·典型相关分析 | 第30-33页 |
| ·相关性判别分析 | 第33页 |
| ·分类器引导的相关性分析降维 | 第33-38页 |
| ·类标号编码 | 第33-34页 |
| ·分类器引导的广义相关降维方法 | 第34-38页 |
| ·经验核空间中的降维方法 | 第38-39页 |
| ·实验与分析 | 第39-43页 |
| ·人工数据集上的实验 | 第39-41页 |
| ·UCI 数据集上的实验 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 大相关分析 | 第44-60页 |
| ·引言 | 第44-46页 |
| ·相关工作介绍 | 第46-47页 |
| ·典型相关分析 | 第46页 |
| ·最大间隔机 | 第46-47页 |
| ·相关性判别分析 | 第47页 |
| ·大相关分析 | 第47-54页 |
| ·研究动机 | 第47-48页 |
| ·大相关分析方法 | 第48-54页 |
| ·实验与分析 | 第54-59页 |
| ·UCI 数据集上的实验 | 第54-56页 |
| ·USPS 数据集上的实验 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 监督型局部保持的典型相关分析 | 第60-71页 |
| ·引言 | 第60-61页 |
| ·相关工作介绍 | 第61-63页 |
| ·典型相关分析 | 第61-62页 |
| ·局部保持的典型相关分析 | 第62-63页 |
| ·监督型局部保持的典型相关分析 | 第63-66页 |
| ·实验与分析 | 第66-70页 |
| ·MFD 数据集上的实验 | 第66-67页 |
| ·USPS 数据集上的实验 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 半监督半配对的广义相关分析 | 第71-95页 |
| ·引言 | 第71-75页 |
| ·相关工作介绍 | 第75-78页 |
| ·典型相关分析 | 第75页 |
| ·KCCA 的半监督拉普拉斯正则化 | 第75-77页 |
| ·SemiCCA | 第77页 |
| ·判别型典型相关分析 | 第77-78页 |
| ·半监督典型相关分析 | 第78页 |
| ·多视图数据的半监督半配对降维框架 | 第78-79页 |
| ·半监督半配对广义相关分析 | 第79-83页 |
| ·研究动机 | 第79-80页 |
| ·公式推导 | 第80-81页 |
| ·优化求解 | 第81-83页 |
| ·实验与分析 | 第83-94页 |
| ·人工数据集上的实验 | 第84-86页 |
| ·半监督数据集(SSL)上的实验 | 第86-89页 |
| ·MFD 数据集上的实验 | 第89-92页 |
| ·WebKB 数据集上的实验 | 第92页 |
| ·Ads 数据集上的实验 | 第92-94页 |
| ·本章小结 | 第94-95页 |
| 第六章 总结与展望 | 第95-97页 |
| 参考文献 | 第97-108页 |
| 致谢 | 第108-109页 |
| 在学期间的研究成果及发表的学术论文 | 第109-110页 |
| 附录 | 第110-113页 |
