| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-12页 |
| ·多视角机器学习历史 | 第9页 |
| ·多视角机器学习现状 | 第9-10页 |
| ·多视角机器学习优势 | 第10-11页 |
| ·多视角机器学习存在的弊端 | 第11页 |
| ·安排 | 第11-12页 |
| 第2章 相关工作 | 第12-19页 |
| ·HK算法 | 第12-13页 |
| ·MHKS算法 | 第13-14页 |
| ·MatMHKS算法 | 第14页 |
| ·MultiV-MHKS算法 | 第14-16页 |
| ·实验结果 | 第16-19页 |
| 第3章 基于权值优化算法的多视角机器学习模型 | 第19-42页 |
| ·RMultiV-MHKS模型 | 第19-23页 |
| ·曲线响应算法:Response Surface Technique | 第19-20页 |
| ·RMultiV-MHKS | 第20-23页 |
| ·拉德马赫复杂度分析 | 第23-27页 |
| ·实验结果 | 第27-42页 |
| ·实验设置 | 第27页 |
| ·分类效果比较 | 第27-33页 |
| ·时间复杂度代价比较 | 第33页 |
| ·进一步讨论 | 第33-42页 |
| 第4章 基于权值优化算法的多核机器学习模型 | 第42-69页 |
| ·多核机器学习 | 第42-43页 |
| ·MultiK-MHKS | 第43-44页 |
| ·RMEK-MHKS | 第44-47页 |
| ·实验结果 | 第47-69页 |
| ·实验设置 | 第47-48页 |
| ·人工数据集 | 第48-51页 |
| ·分类效果比较 | 第51-54页 |
| ·时间复杂度代价比较 | 第54页 |
| ·进一步讨论 | 第54-69页 |
| 第5章 基于本地化样本信息利用的多核机器学习模型 | 第69-77页 |
| ·MLEKL | 第69-70页 |
| ·实验结果 | 第70-77页 |
| ·实验设置 | 第71-72页 |
| ·分类效果比较 | 第72-75页 |
| ·时间复杂度代价比较 | 第75-77页 |
| 第6章 结论和未来工作 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 附录Ⅰ 发表论文目录 | 第84页 |