| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 流形学习算法 | 第14-24页 |
| 2.1 流形与流形学习 | 第14-15页 |
| 2.2 流形学习算法 | 第15-22页 |
| 2.2.1 等距映射算法(ISOMAP) | 第15-16页 |
| 2.2.2 局部线性嵌入算法(LLE) | 第16-17页 |
| 2.2.3 拉普拉斯特征映射算法(LE) | 第17-18页 |
| 2.2.4 海塞局部嵌入算法(HLLE) | 第18-19页 |
| 2.2.5 局部切空间对齐算法(LTSA) | 第19-21页 |
| 2.2.6 t-分布随机邻居嵌入算法(t-SNE) | 第21-22页 |
| 2.3 流形学习算法小结 | 第22-23页 |
| 2.4 本章总结 | 第23-24页 |
| 第三章 自适应邻域选择算法 | 第24-35页 |
| 3.1 相关工作 | 第24-26页 |
| 3.1.1 对邻域参数大小的敏感性 | 第24-25页 |
| 3.1.2 相关改进工作 | 第25-26页 |
| 3.2 距离到概率的转化方法 | 第26-27页 |
| 3.3 基于概率分布的自适应邻域选择算法 | 第27-28页 |
| 3.4 实验结果及分析 | 第28-34页 |
| 3.4.1 Swiss Roll数据集 | 第28-32页 |
| 3.4.2 S-curve数据集 | 第32-34页 |
| 3.5 本章总结 | 第34-35页 |
| 第四章 增量式t-分布随机邻居嵌入算法 | 第35-45页 |
| 4.1 相关工作 | 第35-36页 |
| 4.2 局部线性结构的度量 | 第36-38页 |
| 4.2.1 主成分分析 | 第36-38页 |
| 4.2.2 局部线性结构的度量 | 第38页 |
| 4.3 增量式t-SNE算法 | 第38-40页 |
| 4.4 实验结果及分析 | 第40-44页 |
| 4.4.1 Frey_rawface数据集 | 第40-43页 |
| 4.4.2 MNIST数据集 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 流形学习算法在钢铁领域的应用 | 第45-62页 |
| 5.1 相关工作 | 第45-47页 |
| 5.1.1 钢铁生产工艺流程简介 | 第45-46页 |
| 5.1.2 K-means算法 | 第46-47页 |
| 5.2 基于t-SNE算法的钢铁数据维数简约与聚类分析 | 第47-55页 |
| 5.2.1 数据集简介 | 第48-49页 |
| 5.2.2 单阶段钢铁生产工艺数据 | 第49-53页 |
| 5.2.3 多阶段钢铁生产工艺数据 | 第53-55页 |
| 5.3 算法组件应用 | 第55-61页 |
| 5.3.1 钢铁质量分析平台 | 第56-57页 |
| 5.3.2 t-SNE算法组件上传及应用 | 第57-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结及展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |