| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第6-11页 |
| 1.1 研究背景及相关工作 | 第6-9页 |
| 1.2 本文的主要工作 | 第9页 |
| 1.3 论文的组织结构 | 第9-11页 |
| 第二章 拉普拉斯特征映射及新增样本点问题 | 第11-21页 |
| 2.1 拉普拉斯特征映射 | 第11-13页 |
| 2.2 基于全局稀疏编码的样本扩展 | 第13页 |
| 2.3 基于邻居点稀疏编码的样本扩展 | 第13-15页 |
| 2.4 实验 | 第15-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 正则化的监督学习降维 | 第21-32页 |
| 3.1 流形正则化 | 第21页 |
| 3.2 从目标变量和高维数据结构学习 | 第21-23页 |
| 3.3 算法分析 | 第23-25页 |
| 3.4 算法拓展 | 第25-27页 |
| 3.5 新增样本点问题 | 第27页 |
| 3.6 实验 | 第27-31页 |
| 3.7 本章小节 | 第31-32页 |
| 第四章 总结 | 第32-33页 |
| 附录A | 第33页 |
| 附录B | 第33-39页 |
| 参考文献 | 第39-44页 |
| 硕士在读期间发表的论文 | 第44-45页 |
| 后记 | 第45页 |