首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--安全保密论文

基于统计学习的协作分类与隐私保护方法及应用研究

摘要第1-5页
Abstract第5-13页
第一章 绪论第13-23页
   ·研究背景和研究意义第13-15页
   ·国内外研究现状第15-20页
   ·研究内容及组织结构第20-23页
     ·研究目标第20页
     ·主要内容和创新第20-21页
     ·论文组织结构第21-23页
第二章 协作式整体和局部的分类机第23-41页
   ·引言第23-25页
   ·整体和局部的协作式学习第25-30页
     ·线性可分的情况第25-26页
     ·几何解释第26-27页
     ·C2M和SVM的关系第27-28页
     ·C2M和LDA的关系第28-29页
     ·线性不可分的情况第29页
     ·交遇区较多的情况第29-30页
   ·C2M的核化第30-33页
   ·实验结果与分析第33-39页
     ·模拟数据集实验分析第33-34页
     ·标准数据集实验分析第34-37页
     ·USPS数据集上的实验第37-39页
   ·本章小结第39-41页
第三章 方差保持的异常检测分类机第41-49页
   ·引言第41页
   ·CP-ND分类器第41-44页
     ·CP-ND原始问题第41-42页
     ·CP-ND对偶问题第42-44页
   ·ν参数的性质第44-45页
   ·实验结果与分析第45-47页
   ·本章小结第47-49页
第四章 广义的局部保留分类机第49-59页
   ·引言第49页
   ·相关工作第49-51页
     ·局部保留投影算法LPP第50页
     ·最小最大边界分类机M4第50-51页
   ·广义的局部保留分类机GLPM第51-55页
     ·硬边界GLPM第51-52页
     ·与其它模型的关系第52-54页
     ·软边界GLPM第54-55页
   ·GLPM的核化第55页
   ·实验结果与分析第55-58页
     ·非高斯分布手工数据实验第56页
     ·UCI数据集上的实验第56-58页
   ·本章小结第58-59页
第五章 支持向量机的一种快速分类算法第59-69页
   ·引言第59-60页
   ·快速分类算法FD-SVM第60-64页
     ·主要思想第60-61页
     ·算法描述第61-64页
   ·实验结果与分析第64-67页
     ·人工数据集第64-66页
     ·真实数据集第66-67页
   ·本章小节第67-69页
第六章 按标签划分的协作式隐私保护分类机第69-85页
   ·引言第69-71页
   ·相关概念和定义第71页
   ·协作式隐私保护分类第71-78页
     ·线性模型第71-73页
     ·几何解释第73-75页
     ·保护隐私的训练算法第75页
     ·保护隐私的测试算法第75-76页
     ·LP2M和MPM的关系第76-77页
     ·LP2M和SVM的关系第77-78页
     ·LP2M和M4的关系第78页
   ·LP2M的核化第78-80页
   ·实验结果与分析第80-82页
     ·模拟数据集实验分析第80页
     ·标准数据集实验分析第80-82页
   ·本章小结第82-85页
第七章 水平划分的协作式隐私保护分类机第85-99页
   ·引言第85页
   ·HP2M分类器第85-92页
     ·HP2M线性模型第85-87页
     ·HP2M的协作机制第87-89页
     ·和其它模型的关系第89-91页
     ·线性HP2M的安全训练算法第91页
     ·线性HP2M的安全测试算法第91-92页
   ·HP2M的核化第92-95页
   ·实验结果与分析第95-97页
     ·标准数据集实验第95-97页
     ·通讯复杂度第97页
   ·本章小结第97-99页
第八章 总结与展望第99-101页
   ·总结第99-100页
   ·展望第100-101页
致谢第101-103页
参考文献第103-116页
附录A第116-117页
 A.1 攻读博士学位期间撰写的与课题相关的论文和专利列表第116-117页
 A.2 攻读博士学位期间参加的科研项目列表第117页

论文共117页,点击 下载论文
上一篇:基于产品符号认知的创新设计过程模型构建与应用研究
下一篇:聚类分析中的最佳聚类数确定方法研究及应用