| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·半监督学习主要类别 | 第11-13页 |
| ·现有方法以及存在的问题 | 第13-14页 |
| ·论文主要工作及章节安排 | 第14-17页 |
| 第2章 半监督学习理论基础 | 第17-27页 |
| ·半监督学习的两个假设 | 第17-18页 |
| ·半监督机器学习的聚类假设 | 第17页 |
| ·半监督机器学习的流形假设 | 第17-18页 |
| ·支持向量机 | 第18-26页 |
| ·支持向量机的基本理论 | 第19-20页 |
| ·线性可分情况 | 第20-22页 |
| ·线性不可分情况 | 第22-23页 |
| ·对非线性分类情况引入核函数 | 第23-25页 |
| ·Mercer 条件 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 半监督学习分类方法分析 | 第27-37页 |
| ·半监督支持向量机 | 第27-28页 |
| ·优化方式分类 | 第28-29页 |
| ·直推式支持向量机 | 第29-30页 |
| ·直推式支持向量机的成对交换解法 | 第30-32页 |
| ·凹-凸优化过程（Concave Convex Procedure，CCCP） | 第32-33页 |
| ·渐进直推式支持向量机（PTSVM） | 第33-35页 |
| ·基于标签传递的分类方法 | 第35页 |
| ·本章小结 | 第35-37页 |
| 第4章 改进的半监督支持向量机学习分类方法 | 第37-49页 |
| ·数据的几何结构 | 第37-38页 |
| ·基于相似度标签传递的半监督支持向量机 | 第38-43页 |
| ·相似度构图 | 第39页 |
| ·目标优化方程 | 第39-40页 |
| ·标签传递方式 | 第40-42页 |
| ·主要实现步骤 | 第42页 |
| ·程序设计部分 | 第42-43页 |
| ·基于测地线标签传递的半监督支持向量机 | 第43-48页 |
| ·ISOMAP 方法构图 | 第44-46页 |
| ·K-邻近值 | 第46页 |
| ·最短路径寻找算法 | 第46-47页 |
| ·标签传递方式和主要实现步骤 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 实验结果分析 | 第49-57页 |
| ·不平衡样本分析实验 | 第49-53页 |
| ·样本中正负样本比例平衡情况 | 第49-50页 |
| ·样本中正负样本比例不平衡情况 | 第50-53页 |
| ·聚类数据分析实验 | 第53-55页 |
| ·流形数据分析实验 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-65页 |
| 致谢 | 第65页 |