| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-22页 |
| ·研究背景与意义 | 第10-15页 |
| ·问题的提出和研究意义 | 第10-12页 |
| ·半监督学习基本思想及其基本假设 | 第12-13页 |
| ·半监督学习算法的分类 | 第13-15页 |
| ·国内外研究现状及发展方向 | 第15-20页 |
| ·国内外研究现状 | 第15-18页 |
| ·主要研究方向 | 第18-20页 |
| ·论文的组织和安排 | 第20-22页 |
| ·主要的研究内容和创新成果 | 第20页 |
| ·论文结构安排 | 第20-22页 |
| 第二章 几种经典的半监督学习方法 | 第22-40页 |
| ·引言 | 第22页 |
| ·生成式模型算法 | 第22-26页 |
| ·方法简介 | 第22-23页 |
| ·高斯混合模型的EM 参数估计 | 第23-24页 |
| ·模型的可确认性和正确性 | 第24-26页 |
| ·半监督支持向量机算法 | 第26-30页 |
| ·方法简介 | 第26-27页 |
| ·基于组合的半监督支持向量机 | 第27-28页 |
| ·基于连续的半监督支持向量机 | 第28-30页 |
| ·基于图的半监督算法 | 第30-35页 |
| ·方法简介 | 第30-31页 |
| ·半监督判别分析 | 第31-34页 |
| ·SDA 算法的实现 | 第34-35页 |
| ·协同训练算法 | 第35-38页 |
| ·方法简介 | 第35-36页 |
| ·标准协同训练算法 | 第36-37页 |
| ·协同训练算法的可行性分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第三章 半监督判别特征选择算法 | 第40-50页 |
| ·引言 | 第40-41页 |
| ·线性判别特征选择算法 | 第41-43页 |
| ·从特征变换到特征选择 | 第41-42页 |
| ·线性判别特征选择 | 第42-43页 |
| ·半监督判别特征选择算法 | 第43-46页 |
| ·图视角的线性判别特征选择 | 第43-44页 |
| ·半监督判别特征选择 | 第44-46页 |
| ·实验及结果分析 | 第46-49页 |
| ·物体识别实验 | 第46-47页 |
| ·人脸识别实验 | 第47-48页 |
| ·结果分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 一种利用Universum 的半监督分类算法 | 第50-60页 |
| ·引言 | 第50页 |
| ·利用Universum 的半监督分类算法 | 第50-54页 |
| ·利用Universum 的线性回归模型 | 第51-52页 |
| ·利用图优化框架下的子空间学习模型 | 第52-53页 |
| ·利用Universum 的半监督分类算法 | 第53-54页 |
| ·扩展到多类问题 | 第54页 |
| ·实验及结果分析 | 第54-58页 |
| ·仿真实验 | 第54-56页 |
| ·物体识别实验 | 第56-57页 |
| ·人脸识别实验 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 第五章 结束语 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 作者在学期间取得的学术成果 | 第70页 |