基于多视角非负矩阵分解的同名区分算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 相关研究进展 | 第10-12页 |
| 1.3 本文主要研究工作 | 第12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 基于机器学习的同名区分算法的研究现状 | 第14-19页 |
| 2.1 基于监督学习的同名区分算法 | 第14-15页 |
| 2.2 基于无监督学习的同名区分算法 | 第15-18页 |
| 2.2.1 定义相似度函数 | 第16-17页 |
| 2.2.2 使用聚类进行划分 | 第17-18页 |
| 2.2.3 基于无监督学习的同名区分算法小结 | 第18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 多视角非负矩阵分解 | 第19-31页 |
| 3.1 非负矩阵分解 | 第20-21页 |
| 3.2 多视角非负矩阵分解 | 第21-27页 |
| 3.2.1 模型建立 | 第21-22页 |
| 3.2.2 迭代算法 | 第22-25页 |
| 3.2.3 时间和空间复杂度分析 | 第25-27页 |
| 3.2.4 收敛性分析 | 第27页 |
| 3.3 对比实验 | 第27-30页 |
| 3.3.1 实验数据集 | 第27-28页 |
| 3.3.2 实验对比算法 | 第28-29页 |
| 3.3.3 实验结果 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 加入变量选择的多视角非负矩阵分解 | 第31-48页 |
| 4.1 加入变量选择的迭代算法 | 第32-42页 |
| 4.1.1 变量选择的基础 | 第32-34页 |
| 4.1.2 基于贪心的变量选择 | 第34-37页 |
| 4.1.3 基于轮盘赌的变量选择 | 第37-40页 |
| 4.1.4 时间和空间复杂度分析 | 第40-41页 |
| 4.1.5 收敛性分析 | 第41-42页 |
| 4.2 对比实验 | 第42-47页 |
| 4.2.1 实验条件 | 第42页 |
| 4.2.2 实验结果及分析 | 第42-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 基于多视角非负矩阵分解的同名区分算法 | 第48-60页 |
| 5.1 文献元数据的属性选择 | 第48-50页 |
| 5.2 基于多视角非负矩阵分解的同名区分算法 | 第50-54页 |
| 5.2.1 基于同作者关系的预聚类 | 第51-53页 |
| 5.2.2 应用多视角非负矩阵分解进行聚类 | 第53-54页 |
| 5.3 对比实验 | 第54-59页 |
| 5.3.1 实验数据集 | 第54页 |
| 5.3.2 实验评估标准 | 第54-55页 |
| 5.3.3 实验对比算法 | 第55-56页 |
| 5.3.4 实验结果及分析 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |
