多视角协同训练算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·目标分类的研究背景及现状 | 第8-9页 |
| ·半监督学习的研究意义和现状 | 第9-10页 |
| ·本文内容安排 | 第10-13页 |
| 第二章 半监督学习分类方法及支撑矢量机 | 第13-25页 |
| ·半监督学习简介 | 第13-14页 |
| ·自训练算法（Self-Training） | 第14-15页 |
| ·协同训练（Co-Training）算法 | 第15-18页 |
| ·基于图正则化框架的半监督学习算法 | 第18页 |
| ·监督支撑矢量机 | 第18-24页 |
| ·支撑矢量机原理介绍 | 第18-23页 |
| ·半监督支撑矢量机 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于 PCA 视角划分的协同训练算法 | 第25-45页 |
| ·经典协同算法 | 第25-26页 |
| ·基于 PCA 属性集划分的协同算法 | 第26-32页 |
| ·PCA 的原理 | 第26-27页 |
| ·PCA 属性集划分的理论依据 | 第27-28页 |
| ·未标记样本置信度的度量与添加 | 第28-32页 |
| ·实验与分析 | 第32-44页 |
| ·UCI 数据实验 | 第32-37页 |
| ·极化合成孔径雷达（PolSAR）图像数据实验 | 第37-40页 |
| ·文本数据实验 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于 PCA 的三视角协同训练算法 | 第45-61页 |
| ·多视角半监督的方法介绍 | 第45-48页 |
| ·基于 PCA 的三视角的协同训练 | 第48-51页 |
| ·实验与分析 | 第51-60页 |
| ·UCI 数据的实验 | 第51-56页 |
| ·极化合成孔径雷达（PolSAR）图像数据实验 | 第56-57页 |
| ·文本数据实验 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于集成策略的协同训练算法 | 第61-73页 |
| ·经典集成算法简介 | 第61-62页 |
| ·基于集成策略的协同训练算法 | 第62-65页 |
| ·实验与分析 | 第65-72页 |
| ·UCI 数据实验 | 第65-70页 |
| ·极化合成孔径雷达（PolSAR）图像数据实验 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-77页 |
| ·总结 | 第73-75页 |
| ·展望 | 第75-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-84页 |
