| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景 | 第9-13页 |
| 1.1.1 聚类分类方法 | 第9-11页 |
| 1.1.2 多视角学习 | 第11-12页 |
| 1.1.3 多任务学习 | 第12-13页 |
| 1.2 大规模数据分类聚类问题 | 第13-14页 |
| 1.3 课题研究内容和本文结构 | 第14-17页 |
| 第二章 熵指数约束的模糊聚类新算法 | 第17-41页 |
| 2.1 引言 | 第17-18页 |
| 2.2 熵指数约束的模糊C均值（EIC-FCM）聚类算法 | 第18-21页 |
| 2.2.1 EIC-FCM算法描述 | 第19-20页 |
| 2.2.2 熵指数约束解释 | 第20-21页 |
| 2.2.3 EIC-FCM算法收敛性分析 | 第21页 |
| 2.3 熵指数约束的竞争聚集（EICCA）聚类算法 | 第21-25页 |
| 2.3.1 EICCA算法描述 | 第21-25页 |
| 2.3.2 EICCA算法收敛性分析 | 第25页 |
| 2.4 实验研究 | 第25-39页 |
| 2.4.1 EIC-FCM算法实验研究 | 第25-33页 |
| 2.4.2 EICCA算法实验研究 | 第33-39页 |
| 2.5 本章小结 | 第39-41页 |
| 第三章 一种基于L2-SVM的多视角核心向量机 | 第41-61页 |
| 3.1 引言 | 第41-42页 |
| 3.2 多视角支持向量机和多视角核心向量机 | 第42-49页 |
| 3.2.1 Multi-view L2-SVM和MvCVM | 第42-46页 |
| 3.2.2 决策函数 | 第46页 |
| 3.2.3 MvCVM算法描述 | 第46-48页 |
| 3.2.4 MvCVM算法性质 | 第48-49页 |
| 3.3 实验研究 | 第49-60页 |
| 3.3.1 实验数据描述 | 第49-52页 |
| 3.3.2 实验设置 | 第52-53页 |
| 3.3.3 小规模多视角数据集实验 | 第53-55页 |
| 3.3.4 大规模多视角数据集实验 | 第55-60页 |
| 3.4 本章小结 | 第60-61页 |
| 第四章 v-软间隔罗杰斯特回归分类机 | 第61-79页 |
| 4.1 引言 | 第61-62页 |
| 4.2 v-SMLRC | 第62-65页 |
| 4.2.1 问题描述 | 第62页 |
| 4.2.2 v-SMLRC对偶 | 第62-63页 |
| 4.2.3 v-SMLRC对偶子问题 | 第63-65页 |
| 4.3 v-SMLRC-CDdual | 第65-70页 |
| 4.3.1 改进的牛顿迭代优化法求解子问题 | 第65-66页 |
| 4.3.2 v-SMLRC-CDdual算法描述 | 第66-67页 |
| 4.3.3 v-SMLRC-CDdual算法收敛性分析 | 第67-69页 |
| 4.3.4 v-SMLRC-CDdual算法复杂度分析 | 第69页 |
| 4.3.5 参数v性质 | 第69-70页 |
| 4.4 实验研究 | 第70-78页 |
| 4.5 本章小结 | 第78-79页 |
| 第五章 v-软间隔多任务学习罗杰斯特回归 | 第79-95页 |
| 5.1 引言 | 第79-80页 |
| 5.2 v-SMMTL-LR | 第80-84页 |
| 5.2.1 问题描述 | 第80-81页 |
| 5.2.2 v-SMMTL-LR对偶 | 第81-82页 |
| 5.2.3 v-SMMTL-LR对偶子问题 | 第82-84页 |
| 5.3 v-SMMTL-LR-CDdual | 第84-89页 |
| 5.3.1 改进的牛顿迭代优化法求解子问题 | 第84-85页 |
| 5.3.2 v-SMMTL-LR-CDdual算法描述 | 第85-87页 |
| 5.3.3 v-SMMTL-LR-CDdual算法收敛性分析 | 第87-88页 |
| 5.3.4 v-SMMTL-LR-CDdual算法复杂度分析 | 第88-89页 |
| 5.4 实验研究 | 第89-93页 |
| 5.5 本章小结 | 第93-95页 |
| 第六章 结束语 | 第95-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-108页 |
| 附录 | 第108页 |
| 附录 1: 攻读博士学位期间撰写的论文列表 | 第108页 |
| 附录 2: 攻读博士学位期间参加的科研项目列表 | 第108页 |
