数据相关性分析和维数约简方法的研究与应用
摘要 | 第5-7页 |
abstract | 第7-8页 |
第1章 绪论 | 第14-34页 |
1.1 三种典型的相关性检测方法 | 第15-24页 |
1.1.1 皮尔逊相关系数 | 第15-18页 |
1.1.2 距离相关 | 第18-21页 |
1.1.3 最大信息系数 | 第21-24页 |
1.2 三种典型的维数约简方法 | 第24-28页 |
1.2.1 主成分分析 | 第24-25页 |
1.2.2 局部线性嵌入 | 第25-27页 |
1.2.3 随机近邻嵌入 | 第27-28页 |
1.3 论文主要工作及创新之处 | 第28-31页 |
1.4 论文组织结构 | 第31-34页 |
第2章 多元变量间相关关系的检测 | 第34-42页 |
2.1 引言 | 第34-35页 |
2.2 最大信息熵(MIE) | 第35-37页 |
2.2.1 MIE的定义 | 第35-36页 |
2.2.2 MIE的特征 | 第36-37页 |
2.3 实验结果及分析 | 第37-41页 |
2.3.1 通用性实验 | 第37-40页 |
2.3.2 实用性实验 | 第40-41页 |
2.4 本章小结 | 第41-42页 |
第3章 三元变量间一维流形依赖关系的检测 | 第42-66页 |
3.1 引言 | 第42-43页 |
3.2 MIC的计算过程 | 第43-44页 |
3.3 最大全相关系数(MTCC) | 第44-57页 |
3.3.1 MTCC的定义 | 第45-46页 |
3.3.2 MTCC的特征 | 第46-47页 |
3.3.3 MTCC的计算 | 第47-55页 |
3.3.4 MTCC的分析 | 第55-57页 |
3.4 实验结果及分析 | 第57-63页 |
3.4.1 通用性实验 | 第57-58页 |
3.4.2 公平性实验 | 第58-60页 |
3.4.3 实用性实验 | 第60-63页 |
3.4.4 局限性实验 | 第63页 |
3.5 本章小结 | 第63-66页 |
第4章 基于相似性传播的特征聚类维数约简 | 第66-80页 |
4.1 引言 | 第66-67页 |
4.2 QPFS、NPE、SCFC的简单介绍 | 第67-69页 |
4.2.1 二次规划特征选择 | 第67-68页 |
4.2.2 近邻保持嵌入 | 第68页 |
4.2.3 自组织特征聚类 | 第68-69页 |
4.3 相似性传播特征聚类算法 | 第69-72页 |
4.3.1 特征聚类 | 第70-71页 |
4.3.2 构造变换矩阵 | 第71页 |
4.3.3 算法复杂度分析 | 第71-72页 |
4.4 实验结果与分析 | 第72-79页 |
4.4.1 实验数据集 | 第72页 |
4.4.2 分类实验 | 第72-75页 |
4.4.3 可视化实验 | 第75-77页 |
4.4.4 参数? 的影响 | 第77-78页 |
4.4.5 不同相似性度量的影响 | 第78-79页 |
4.5 本章小结 | 第79-80页 |
第5章 基于费希尔信息度量的随机近邻嵌入 | 第80-91页 |
5.1 引言 | 第80-81页 |
5.2 统计流形及费希尔信息度量估计 | 第81-82页 |
5.3 费希尔信息度量随机近邻嵌入 | 第82-84页 |
5.4 实验结果及分析 | 第84-90页 |
5.4.1 实验数据集 | 第85-86页 |
5.4.2 文本可视化实验 | 第86-89页 |
5.4.3 文本分类实验 | 第89-90页 |
5.5 本章小结 | 第90-91页 |
第6章 深度皮尔逊嵌入框架 | 第91-104页 |
6.1 引言 | 第91-92页 |
6.2 深度皮尔逊嵌入(DPE) | 第92-96页 |
6.2.1 DPE的预训练 | 第94-95页 |
6.2.2 DPE的微调 | 第95-96页 |
6.3 实验结果与分析 | 第96-103页 |
6.3.1 实验数据集 | 第97-98页 |
6.3.2 可视化实验 | 第98-102页 |
6.3.3 分类实验 | 第102-103页 |
6.4 本章小结 | 第103-104页 |
结论 | 第104-108页 |
参考文献 | 第108-118页 |
附录 | 第118-132页 |
攻读博士学位期间所取得的主要科研成果 | 第132-134页 |
致谢 | 第134页 |