半监督数据降维方法的研究
| 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 |
| ·研究背景与意义 | 第7-10页 |
| ·研究进展及状况 | 第10-11页 |
| ·论文主要研究内容 | 第11-13页 |
| 第二章 数据降维和模式分类 | 第13-23页 |
| ·引言 | 第13页 |
| ·数据降维的基础理论 | 第13-14页 |
| ·常见的数据降维算法 | 第14-20页 |
| ·主成分分析（PCA） | 第14-15页 |
| ·Fisher 线性判别分析法(LDA） | 第15-17页 |
| ·局部保留投影（LPP） | 第17-19页 |
| ·有监督的局部保留投影(SLPP) | 第19-20页 |
| ·最近邻分类器 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 线性半监督数据降维 | 第23-39页 |
| ·半监督学习问题的提出 | 第23-25页 |
| ·半监督学习理论 | 第25-27页 |
| ·半监督学习的有效性 | 第25-26页 |
| ·半监督学习的两个基本假设 | 第26-27页 |
| ·半监督学习算法基本思想 | 第27-28页 |
| ·一种新的半监督数据降维算法 | 第28-32页 |
| ·算法思想 | 第28-31页 |
| ·算法步骤 | 第31-32页 |
| ·实验与讨论 | 第32-38页 |
| ·人工数据 | 第32-34页 |
| ·真实数据识别 | 第34-35页 |
| ·人脸识别 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 非线性核半监督数据降维 | 第39-51页 |
| ·核方法简介 | 第39-41页 |
| ·基于核的半监督数据降维方法 | 第41-42页 |
| ·核的半监督数据降维的概念 | 第41页 |
| ·核的半监督数据降维的原理 | 第41-42页 |
| ·算法步骤 | 第42页 |
| ·实验与讨论 | 第42-50页 |
| ·人脸识别二维可视化 | 第43-45页 |
| ·真实数据集识别 | 第45-47页 |
| ·文字识别 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·工作总结 | 第51页 |
| ·下一步的工作与展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第59页 |
