| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第2章 流形学习算法研究进展 | 第14-28页 |
| 2.1 流形学习相关理论 | 第14页 |
| 2.2 近邻点选择 | 第14-15页 |
| 2.2.1 常用距离度量方法 | 第14-15页 |
| 2.2.2 常见近邻点选择方法 | 第15页 |
| 2.3 常用样本外点学习方法 | 第15-17页 |
| 2.3.1 非参数映射 | 第16页 |
| 2.3.2 增量式方法 | 第16-17页 |
| 2.4 常用流形学习算法 | 第17-27页 |
| 2.4.1 等距映射算法(ISOMAP) | 第17-20页 |
| 2.4.2 局部线性嵌入算法 | 第20-22页 |
| 2.4.3 有监督的LLE学习算法 | 第22-23页 |
| 2.4.4 增量LE学习算法 | 第23-25页 |
| 2.4.5 多流形ISOMAP算法 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 改进的多流形LLE学习算法 | 第28-44页 |
| 3.1 引言 | 第28-30页 |
| 3.2 算法设计 | 第30-34页 |
| 3.2.1 算法框架 | 第30-31页 |
| 3.2.2 算法描述 | 第31-34页 |
| 3.3 自适应最佳维度选择 | 第34-38页 |
| 3.3.1 引言 | 第34-35页 |
| 3.3.2 算法描述 | 第35-38页 |
| 3.4 实验与分析 | 第38-43页 |
| 3.4.1 实验环境 | 第38页 |
| 3.4.2 实验数据源 | 第38-40页 |
| 3.4.3 结果与分析 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 改进的多流形LLE学习算法并行化 | 第44-55页 |
| 4.1 引言 | 第44页 |
| 4.2 Spark并行编程模型 | 第44-45页 |
| 4.2.1 Spark概述 | 第44-45页 |
| 4.2.2 Breeze库 | 第45页 |
| 4.3 基于Spark改进的多流形LLE并行学习算法 | 第45-51页 |
| 4.3.1 训练集降维并构建分类器过程并行化 | 第47-49页 |
| 4.3.2 样本外点嵌入过程的并行化 | 第49-51页 |
| 4.4 实验与分析 | 第51-54页 |
| 4.4.1 实验环境 | 第51页 |
| 4.4.2 数据源 | 第51页 |
| 4.4.3 结果与分析 | 第51-54页 |
| 4.5 总结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 附录 攻读硕士学位期间发表论文及获奖情况 | 第63-64页 |
| 致谢 | 第64页 |