| 摘要 | 第1-6页 |
| Abstract | 第6-15页 |
| 第一章 绪论 | 第15-21页 |
| ·机器学习 | 第15-16页 |
| ·三种学习方式 | 第16-17页 |
| ·图上的传播学习 | 第17-19页 |
| ·本文的主要研究工作 | 第19-21页 |
| ·贡献与创新 | 第19-20页 |
| ·全文的组织结构 | 第20-21页 |
| 第二章 谱图理论与半监督学习 | 第21-30页 |
| ·图上的拉普拉斯算子 | 第21-25页 |
| ·拉普拉斯算子与梯度和散度算子的关系 | 第22-23页 |
| ·拉普拉斯算子与随机行走的一些关系 | 第23-24页 |
| ·拉普拉斯算子与图正则化的关系 | 第24-25页 |
| ·半监督学习理论 | 第25-27页 |
| ·两个常用假设 | 第25页 |
| ·两种形式的部分监督信息 | 第25-26页 |
| ·两种类型的样本 | 第26页 |
| ·两种学习模式 | 第26页 |
| ·两类半监督学习模型 | 第26-27页 |
| ·半监督学习包含的一些内容 | 第27页 |
| ·基于图传播的半监督学习模型 | 第27-30页 |
| ·高斯随机域(GRF，Gaussian Random Fields) | 第27-28页 |
| ·局部与全局一致(LGG, Local and Global Consistency) | 第28页 |
| ·交替优化的图传播(GTAM, Graph Transduction via Graph Altering Minimization) | 第28-29页 |
| ·图正则化(Graph Regularization) | 第29-30页 |
| 第三章 基于图传播的半监督非参数核学习 | 第30-45页 |
| ·引言 | 第30页 |
| ·背景介绍 | 第30-32页 |
| ·对标号传播方法的简要回顾 | 第32页 |
| ·核传播方法 | 第32-37页 |
| ·核传播方法的建模和推导 | 第32-34页 |
| ·利用部分监督信息学习种子核 | 第34-35页 |
| ·核传播算法的执行步骤 | 第35-36页 |
| ·时间复杂性分析 | 第36-37页 |
| ·利用核传播进行外样本上的推广 | 第37页 |
| ·实验部分 | 第37-43页 |
| ·参数设置 | 第38-39页 |
| ·内样本集上的实验结果及分析 | 第39-42页 |
| ·外样本集上的实验结果及分析 | 第42-43页 |
| ·小结 | 第43-44页 |
| ·附录 | 第44-45页 |
| 第四章 基于流形收缩的数据预处理 | 第45-65页 |
| ·引言 | 第45页 |
| ·背景介绍 | 第45-46页 |
| ·流形收缩 | 第46-55页 |
| ·原空间中的流形收缩 | 第46-49页 |
| ·流形收缩方法的图释 | 第49-52页 |
| ·RKHS 中的流形收缩 | 第52页 |
| ·降维+流形收缩 | 第52-53页 |
| ·半监督情形下的自适应流形收缩 | 第53-55页 |
| ·流形收缩方法的分类泛化性能分析 | 第55-56页 |
| ·实验部分 | 第56-64页 |
| ·实验设置 | 第57-58页 |
| ·人工数据集上的分类实验 | 第58-59页 |
| ·鲁棒性检验 | 第59-61页 |
| ·真实数据集上的分类实验 | 第61-64页 |
| ·小结 | 第64-65页 |
| 第五章 基于半监督模式移动的数据预处理 | 第65-80页 |
| ·引言 | 第65页 |
| ·背景介绍 | 第65-66页 |
| ·半监督模式移动 | 第66-72页 |
| ·半监督模式移动的推导 | 第67-69页 |
| ·快速半监督模式移动 | 第69-71页 |
| ·在外样本上的推广 | 第71页 |
| ·结合模式移动与主成分分析 | 第71-72页 |
| ·实验部分 | 第72-79页 |
| ·实验设置 | 第72-73页 |
| ·人工数据集上的分类实验 | 第73-75页 |
| ·真实数据集上的分类实验 | 第75-78页 |
| ·外样本上的实验 | 第78-79页 |
| ·小结 | 第79-80页 |
| 第六章 基于子图正则化的半监督图像检索 | 第80-99页 |
| ·引言 | 第80页 |
| ·背景介绍 | 第80-82页 |
| ·拉普拉斯支持向量机回顾 | 第82-84页 |
| ·核支持向量机 | 第82页 |
| ·核拉普拉斯特征投影 | 第82-83页 |
| ·核拉普拉斯支持向量机 | 第83-84页 |
| ·偏好于查询子图的半监督图像检索算法 | 第84-88页 |
| ·图像检索中的查询子图 | 第84-86页 |
| ·偏拉普拉斯支持向量机模型 | 第86页 |
| ·偏拉普拉斯支持向量机的算法步骤 | 第86-88页 |
| ·偏拉普拉斯支持向量机的时间复杂度分析 | 第88页 |
| ·相关工作讨论 | 第88-89页 |
| ·实验及其分析 | 第89-95页 |
| ·在图像集-1 上的实验结果 | 第90-92页 |
| ·在图像集-2 上的实验结果 | 第92-95页 |
| ·实验分析及结论 | 第95页 |
| ·小结 | 第95-96页 |
| ·附录A(偏拉普拉斯支持向量机模型的求解) | 第96-98页 |
| ·附录B(偏拉普拉斯支持向量机算法的时间复杂度分析) | 第98-99页 |
| 第七章 总结和展望 | 第99-103页 |
| ·全文总结 | 第99-100页 |
| ·存在的问题和后续工作展望 | 第100-103页 |
| 参考文献 | 第103-110页 |
| 致谢 | 第110-111页 |
| 在学期间的研究成果及发表的学术论文 | 第111页 |
