| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第7-13页 |
| ·研究背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·半监督学习研究现状 | 第8-9页 |
| ·集成学习研究现状 | 第9-11页 |
| ·论文研究内容和章节安排 | 第11-13页 |
| 第二章 机器学习概述 | 第13-24页 |
| ·机器学习基础 | 第13-14页 |
| ·机器学习定义及研究意义 | 第13页 |
| ·机器学习结构及方法 | 第13-14页 |
| ·半监督学习基础 | 第14-19页 |
| ·半监督学习基本思想 | 第15-17页 |
| ·半监督学习模型假设 | 第17页 |
| ·半监督学习分类方式 | 第17-19页 |
| ·集成学习基础 | 第19-23页 |
| ·集成学习基本思想 | 第19-20页 |
| ·集成学习理论基础 | 第20页 |
| ·集成学习分类方式 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 常用的机器学习算法 | 第24-42页 |
| ·常用的基分类器算法 | 第24-27页 |
| ·Naive Bayes | 第24-26页 |
| ·Decision Tree | 第26页 |
| ·k-Nearest Neighbor | 第26-27页 |
| ·Support Vector Machine | 第27页 |
| ·常用半监督学习算法 | 第27-38页 |
| ·Self-Training | 第27-29页 |
| ·Co-Training | 第29-30页 |
| ·Tri-Training | 第30-33页 |
| ·Graph-Based Semi-Supervised Learning | 第33-36页 |
| ·Semi-Supervised Support Vector Machines | 第36-38页 |
| ·常用集成学习算法 | 第38-41页 |
| ·Bagging | 第38页 |
| ·Boosting | 第38-40页 |
| ·Vote | 第40页 |
| ·Stacked Generalizaion | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 算法性能评估与分析 | 第42-55页 |
| ·基分类器的选取 | 第42-44页 |
| ·问题分析 | 第42页 |
| ·实验设置与结果分析 | 第42-44页 |
| ·半监督学习性能比较 | 第44-53页 |
| ·问题分析 | 第45页 |
| ·训练数据的扩展 | 第45-46页 |
| ·实验设置及结果分析 | 第46-53页 |
| ·集成学习性能比较 | 第53页 |
| ·问题分析 | 第53页 |
| ·实验设置与结果分析 | 第53页 |
| ·本章小结 | 第53-55页 |
| 第五章 基于集成算法的半监督学习研究 | 第55-66页 |
| ·基于集成算法的半监督学习 | 第55-60页 |
| ·基本思想 | 第55-56页 |
| ·研究现状 | 第56-58页 |
| ·研究方向 | 第58-60页 |
| ·ENSSL算法及动作识别中的应用 | 第60-64页 |
| ·ENSSL算法 | 第60-62页 |
| ·动作识别问题 | 第62页 |
| ·实验设置及结果分析 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·问题与展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-78页 |
| 作者简介 | 第78-79页 |