| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-13页 |
| ·选题目的及意义 | 第10页 |
| ·半监督学习的提出与发展 | 第10-11页 |
| ·多示例学习的现状 | 第11-12页 |
| ·本文主要研究的内容 | 第12-13页 |
| 第二章 半监督多示例的机器学习的相关研究 | 第13-20页 |
| ·数据的相似度 | 第13-14页 |
| ·基于聚类假设的半监督学习 | 第14-17页 |
| ·聚类假设 | 第14页 |
| ·常用聚类算法 | 第14-16页 |
| ·半监督聚类 | 第16-17页 |
| ·多示例学习 | 第17-19页 |
| ·轴平行矩形算法 | 第18页 |
| ·多样性密度算法 | 第18-19页 |
| ·EM_DD 算法 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于半监督多示例的径向基神经网络模型及算法 | 第20-30页 |
| ·径向函数基神经网络 | 第20-22页 |
| ·径向基神经元模型 | 第20-21页 |
| ·径向基神经元网络结构 | 第21页 |
| ·径向基神经元网络学习算法 | 第21-22页 |
| ·基于半监督多示例的径向基神经元神经元网络 | 第22-28页 |
| ·包间距离的测量 | 第22-23页 |
| ·基于半监督多示例径向基网络结构 | 第23-24页 |
| ·基于Hausdorff 距离的半监督多示例聚类算法 | 第24-25页 |
| ·孤立点分析 | 第25-26页 |
| ·基于半监督多示例的径向基网络学习算法 | 第26-28页 |
| ·仿真实验 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于半监督多示例径向基过程神经网络模型及算法 | 第30-43页 |
| ·一般过程神经元网络 | 第30-31页 |
| ·过程神经元 | 第30页 |
| ·过程神经元网络 | 第30-31页 |
| ·径向基过程神经元网络 | 第31-34页 |
| ·径向基过程神经元 | 第31-32页 |
| ·径向基过程神经元网络结构 | 第32页 |
| ·径向基过程神经元网络学习算法 | 第32-34页 |
| ·基于半监督多示例的径向基过程神经元网络 | 第34-41页 |
| ·广义时序样本包间距离的测量 | 第34-35页 |
| ·基于半监督多示例的径向基过程神经元 | 第35-36页 |
| ·基于半监督多示例的径向基过程神经网络结构 | 第36-37页 |
| ·基于广义Hausdorff 距离的半监督多示例的时序聚类算法 | 第37-38页 |
| ·时序孤立点分析 | 第38页 |
| ·基于半监督多示例的径向基过程神经网络学习算法 | 第38-40页 |
| ·基于遗传算法的半监督多示例径向基过程神经网络学习算法 | 第40-41页 |
| ·仿真实验 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 半监督多示例径向基过程神经网络的并行训练算法 | 第43-50页 |
| ·MPI 与OpenMP 编程技术 | 第43页 |
| ·并行计算算法性能评价标准 | 第43-45页 |
| ·基于MPI 与OpenMP 的半监督多示例径向基过程神经网络原理 | 第45-47页 |
| ·仿真实验 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 本文总结与展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 发表文章目录 | 第55-56页 |
| 致谢 | 第56-57页 |
| 详细摘要 | 第57-68页 |
