| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 特征选择的研究背景以及意义 | 第11-13页 |
| 1.2 特征选择的研究现状以及问题 | 第13-19页 |
| 1.2.1 特征选择的研究现状 | 第13-14页 |
| 1.2.2 特征选择的面临的挑战 | 第14-15页 |
| 1.2.3 无监督特征选择的研究现状和问题 | 第15-19页 |
| 1.3 论文研究内容和结构 | 第19-21页 |
| 第2章 相关工作介绍 | 第21-31页 |
| 2.1 无监督特征选择 | 第21-25页 |
| 2.1.1 多类数据的无监督特征选择( MCFS ) | 第21-22页 |
| 2.1.2 使用非负谱分解分析的无监督特征选择( NDFS ) | 第22-23页 |
| 2.1.3 鲁棒的无监督特征选择( RUFS ) | 第23页 |
| 2.1.4 嵌入式的无监督特征选择( EUFS ) | 第23-24页 |
| 2.1.5 成对字典学习的无监督特征选择( CDLFS ) | 第24-25页 |
| 2.1.6 正则自表达的无监督特征选择( RSR ) | 第25页 |
| 2.2 子空间聚类与自表达特性 | 第25-27页 |
| 2.2.1 稀疏子空间聚类( SSC ) | 第26页 |
| 2.2.2 利用低秩表达的鲁棒的子空间分割( LRR ) | 第26-27页 |
| 2.2.3 基于最小二乘回归的鲁棒和有效的子空间分割( LSR ) | 第27页 |
| 2.3 多视角学习算法 | 第27-31页 |
| 2.3.1 多视角子空间聚类 | 第28页 |
| 2.3.2 多样性引导的多视角子空间聚类( DiMSC ) | 第28页 |
| 2.3.3 利用结构化优化方法的多视角谱聚类 | 第28-29页 |
| 2.3.4 聚类结构保持的多视角特征选择算法( CSP-UFS ) | 第29页 |
| 2.3.5 适应性的无监督多视角特征选择算法( AUMFS ) | 第29-31页 |
| 第3章 子空间聚类引导的无监督特征选择 | 第31-49页 |
| 3.1 模型介绍 | 第31-32页 |
| 3.2 优化和算法介绍 | 第32-35页 |
| 3.3 时间复杂性和收敛性介绍 | 第35-36页 |
| 3.4 相关的讨论 | 第36页 |
| 3.5 实验介绍 | 第36-41页 |
| 3.5.1 数据集 | 第36页 |
| 3.5.2 对比算法 | 第36-39页 |
| 3.5.3 参数的设置 | 第39页 |
| 3.5.4 特征选择的结果 | 第39-41页 |
| 3.5.5 参数的敏感度分析 | 第41页 |
| 3.6 结论 | 第41-49页 |
| 第4章 基于非凸自表达的无监督特征选择 | 第49-63页 |
| 4.1 问题描述以及模型介绍 | 第49-51页 |
| 4.2 优化和算法介绍 | 第51-55页 |
4.2.1 0| 第51-53页 | |
| 4.2.2 p = 0 时増广拉格朗日方法 | 第53-55页 |
| 4.3 实验介绍 | 第55-60页 |
| 4.3.1 分类精度比较 | 第57-58页 |
| 4.3.2 聚类有效性比较 | 第58页 |
| 4.3.3 参数敏感度分析 | 第58页 |
| 4.3.4 选取的特征分析 | 第58-60页 |
| 4.3.5 分析 | 第60页 |
| 4.4 结论 | 第60-63页 |
| 第5章 基于字典学习的多视角无监督特征选择 | 第63-77页 |
| 5.1 模型介绍 | 第63-65页 |
| 5.2 优化方法 | 第65-67页 |
| 5.3 实验介绍 | 第67-76页 |
| 5.3.1 数据集 | 第67页 |
| 5.3.2 对比算法 | 第67-69页 |
| 5.3.3 实验设置 | 第69-70页 |
| 5.3.4 实验结果 | 第70-76页 |
| 5.4 结论 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 发表论文和参加科研情况说明 | 第85-87页 |
| 致谢 | 第87-88页 |
