| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 本文主要贡献 | 第15页 |
| 1.3 论文组织结构 | 第15-17页 |
| 第二章 相关工作 | 第17-29页 |
| 2.1 高斯过程和线性高斯过程模型 | 第17-20页 |
| 2.2 狄利克雷过程及其折棍构造 | 第20-22页 |
| 2.3 变分近似推理方法 | 第22-25页 |
| 2.4 基于高斯过程混合的回归模型 | 第25-29页 |
| 第三章 高斯过程混合分类模型 | 第29-33页 |
| 3.1 模型介绍 | 第29-30页 |
| 3.2 图模型表示以及联合分布 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 变分推理和训练算法 | 第33-44页 |
| 4.1 模型的变分分布 | 第33-34页 |
| 4.2 变分下界 | 第34-35页 |
| 4.3 变分分布的参数更新 | 第35-39页 |
| 4.3.1 基于梯度优化算法更新q(f) | 第35-37页 |
| 4.3.2 潜变量{w,r,μ,R,v,z}的坐标上升更新算法 | 第37-39页 |
| 4.4 超参数的学习算法 | 第39-41页 |
| 4.5 完整的训练算法 | 第41页 |
| 4.6 预测分布 | 第41-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第五章 实验 | 第44-58页 |
| 5.1 数据集介绍和实验设置 | 第44-46页 |
| 5.2 实验结果和分析 | 第46-55页 |
| 5.2.1 分类性能比较 | 第47-48页 |
| 5.2.2 分类模型和回归模型的比较 | 第48-51页 |
| 5.2.3 混合模型和单一模型的比较 | 第51-53页 |
| 5.2.4 关于截断水平与支持集大小的讨论 | 第53-55页 |
| 5.3 本章小结 | 第55-58页 |
| 第六章 总结和展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录A 变分推理算法中的潜变量更新推导过程 | 第63-67页 |
| 硕士研究生期间研究成果 | 第67-68页 |
| 致谢 | 第68页 |