| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文主要研究内容 | 第10页 |
| 1.4 本文的组织结构 | 第10-12页 |
| 第二章 相关理论介绍 | 第12-19页 |
| 2.1 统计学习理论 | 第12页 |
| 2.2 支持向量机 | 第12-16页 |
| 2.2.1 线性可分 | 第13-14页 |
| 2.2.2 线性不可分 | 第14-15页 |
| 2.2.3 核函数 | 第15-16页 |
| 2.2.4 支持向量机的正则化形式 | 第16页 |
| 2.3 基于不同假设的半监督分类方法 | 第16-18页 |
| 2.3.1 基于聚类假设的半监督分类方法 | 第17页 |
| 2.3.2 基于流形假设的半监督分类方法 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 流形与成对约束联合正则化半监督分类方法 | 第19-31页 |
| 3.1 引言 | 第19-20页 |
| 3.2 相关工作 | 第20-22页 |
| 3.2.1 流形正则化框架 | 第20-21页 |
| 3.2.2 对成对约束监督信息的利用 | 第21-22页 |
| 3.3 流形与成对约束联合正则化半监督分类方法 | 第22-25页 |
| 3.4 实验结果与分析 | 第25-30页 |
| 3.4.1 实验设置及运行环境 | 第25-26页 |
| 3.4.2 真实数据实验及结果分析 | 第26-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于类隶属度和平方熵的半监督分类方法 | 第31-44页 |
| 4.1 引言 | 第31-32页 |
| 4.2 相关工作 | 第32-34页 |
| 4.2.1 基于类隶属度的半监督分类算法 | 第32-33页 |
| 4.2.2 极大熵推理 | 第33-34页 |
| 4.3 基于类隶属度和平方熵的半监督分类方法 | 第34-36页 |
| 4.3.1 基于类隶属度和平方熵的半监督分类方法模型 | 第34页 |
| 4.3.2 问题求解 | 第34-36页 |
| 4.3.3 算法描述 | 第36页 |
| 4.4 实验与分析 | 第36-42页 |
| 4.4.1 实验设置及运行环境 | 第36-37页 |
| 4.4.2 模拟数据集实验 | 第37-39页 |
| 4.4.3 真实数据集实验 | 第39-42页 |
| 4.5 本章小结 | 第42-44页 |
| 主要结论与展望 | 第44-46页 |
| 主要结论 | 第44页 |
| 展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第50页 |