属性学习若干重要问题的研究及应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 引言 | 第15-16页 |
| 1.2 属性学习 | 第16-23页 |
| 1.2.1 基本概念 | 第16-17页 |
| 1.2.2 属性学习一般框架 | 第17-18页 |
| 1.2.3 研究现状 | 第18-21页 |
| 1.2.4 面临的挑战 | 第21-23页 |
| 1.3 本文的主要研究工作 | 第23-25页 |
| 1.4 本文的内容安排 | 第25-27页 |
| 第二章 属性关系自动学习 | 第27-45页 |
| 2.1 引言 | 第27-28页 |
| 2.2 属性关系自动学习模型 | 第28-32页 |
| 2.2.1 动机 | 第28-29页 |
| 2.2.2 模型 | 第29-30页 |
| 2.2.3 优化算法 | 第30-31页 |
| 2.2.4 核扩展 | 第31-32页 |
| 2.3 基于属性关系学习的零样本分类框架 | 第32-35页 |
| 2.3.1 直接属性预测模型 | 第32-34页 |
| 2.3.2 基于属性关系的零样本分类 | 第34-35页 |
| 2.4 数据集及实验设置 | 第35-37页 |
| 2.4.1 数据集 | 第35-37页 |
| 2.4.2 实验设置 | 第37页 |
| 2.5 属性分类实验及分析 | 第37-41页 |
| 2.5.1 所学到的属性关系 | 第38-39页 |
| 2.5.2 属性分类结果 | 第39-41页 |
| 2.6 零样本分类实验及分析 | 第41-43页 |
| 2.6.1 AWA数据集上的实验 | 第41-42页 |
| 2.6.2 TWA数据集上的实验 | 第42-43页 |
| 2.7 本章小结 | 第43-44页 |
| 本章部分内容出自以下论文 | 第44-45页 |
| 第三章 基于成对约束的属性特征选择 | 第45-69页 |
| 3.1 引言 | 第45-46页 |
| 3.2 特征选择相关工作 | 第46-48页 |
| 3.2.1 全监督和半监督特征选择 | 第46-47页 |
| 3.2.2 基于成对约束的特征选择 | 第47-48页 |
| 3.2.3 基于L1-范数的稀疏特征选择 | 第48页 |
| 3.3 成对约束诱导的稀疏特征选择模型 | 第48-54页 |
| 3.3.1 动机与建模 | 第48-50页 |
| 3.3.2 优化算法 | 第50-52页 |
| 3.3.3 半监督扩展 | 第52页 |
| 3.3.4 集成扩展 | 第52-54页 |
| 3.4 实验及分析 | 第54-64页 |
| 3.4.1 数据集 | 第54-55页 |
| 3.4.2 实验设置 | 第55-56页 |
| 3.4.3 CGS选到的特征 | 第56-57页 |
| 3.4.4 全监督分类实验 | 第57-59页 |
| 3.4.5 半监督分类实验 | 第59-60页 |
| 3.4.6 集成分类实验 | 第60-61页 |
| 3.4.7 属性分类实验 | 第61-64页 |
| 3.5 讨论 | 第64-66页 |
| 3.5.1 参数对实验结果的影响 | 第64-65页 |
| 3.5.2 成对约束数目对实验结果的影响 | 第65-66页 |
| 3.5.3 与稀疏分类器的比较 | 第66页 |
| 3.6 本章小结 | 第66-67页 |
| 本章部分内容出自以下论文 | 第67-69页 |
| 第四章 双重代价敏感属性分类 | 第69-85页 |
| 4.1 引言 | 第69页 |
| 4.2 背景知识 | 第69-71页 |
| 4.2.1 类别不平衡问题 | 第69-70页 |
| 4.2.2 代价敏感学习 | 第70-71页 |
| 4.3 双重代价敏感学习 | 第71-74页 |
| 4.3.1 动机 | 第71页 |
| 4.3.2 框架 | 第71-73页 |
| 4.3.3 代价敏感特征选择 | 第73-74页 |
| 4.4 实验及分析 | 第74-81页 |
| 4.4.1 数据集 | 第74-75页 |
| 4.4.2 实验设置 | 第75-77页 |
| 4.4.3 双重代价敏感属性分类实验 | 第77-79页 |
| 4.4.4 双重代价敏感与单阶段代价敏感分类实验 | 第79-81页 |
| 4.4.5 基于代价敏感特征选择的分类实验 | 第81页 |
| 4.5 讨论 | 第81-83页 |
| 4.5.1 特征选择对实验结果的影响 | 第81-82页 |
| 4.5.2 代价比对实验结果的影响 | 第82-83页 |
| 4.6 本章小结 | 第83页 |
| 本章部分内容出自以下论文 | 第83-85页 |
| 第五章 基于结构属性的脑影像分类 | 第85-101页 |
| 5.1 引言 | 第85-86页 |
| 5.2 脑影像的结构属性表示 | 第86-88页 |
| 5.3 基于结构属性的阿尔茨海默病分类 | 第88-91页 |
| 5.3.1 一般框架 | 第88-89页 |
| 5.3.2 特征提取 | 第89页 |
| 5.3.3 特征选择 | 第89-91页 |
| 5.3.4 分类器集成 | 第91页 |
| 5.4 实验及分析 | 第91-98页 |
| 5.4.1 数据集 | 第91-92页 |
| 5.4.2 实验设置 | 第92-93页 |
| 5.4.3 基于单结构属性的分类实验 | 第93-94页 |
| 5.4.4 基于多结构属性的分类实验 | 第94-97页 |
| 5.4.5 与当前流行方法的比较 | 第97-98页 |
| 5.5 讨论 | 第98-100页 |
| 5.5.1 参数对实验结果的影响 | 第98-99页 |
| 5.5.2 分类器集成的多样性分析 | 第99-100页 |
| 5.6 本章小结 | 第100页 |
| 本章部分内容出自以下论文 | 第100-101页 |
| 第六章 结束语 | 第101-103页 |
| 6.1 本文工作总结 | 第101-102页 |
| 6.2 进一步的研究工作 | 第102-103页 |
| 参考文献 | 第103-115页 |
| 致谢 | 第115-117页 |
| 在学期间的研究成果及发表的学术论文 | 第117-118页 |
