| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第一章 绪论 | 第13-29页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 主动学习的框架和研究现状 | 第14-19页 |
| 1.2.1 主动学习框架 | 第14-17页 |
| 1.2.2 主动学习研究现状 | 第17-19页 |
| 1.3 深度神经网络基本结构 | 第19-25页 |
| 1.3.1 深度神经网络 | 第19-21页 |
| 1.3.2 深度神经网络基本框架 | 第21-25页 |
| 1.4 数据的流形假设和流形结构 | 第25-26页 |
| 1.5 本文主要研究内容 | 第26-29页 |
| 第二章 基于谱聚类的主动学习支持向量机 | 第29-37页 |
| 2.1 引言 | 第29-30页 |
| 2.2 主动学习支持向量机 | 第30-32页 |
| 2.2.1 支持向量机 | 第30-31页 |
| 2.2.2 选择引擎 | 第31-32页 |
| 2.3 谱聚类算法 | 第32-33页 |
| 2.4 基于谱聚类的主动学习支持向量机 | 第33页 |
| 2.5 算法有效性验证 | 第33-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第三章 基于低秩子空间聚类的主动学习支持向量机 | 第37-47页 |
| 3.1 引言 | 第37-38页 |
| 3.2 低秩子空间聚类算法 | 第38-40页 |
| 3.2.1 低秩表示 | 第38-39页 |
| 3.2.2 低秩子空间聚类 | 第39-40页 |
| 3.3 基于低秩子空间聚类的主动学习支持向量机 | 第40-42页 |
| 3.3.1 所提出的主动学习算法 | 第40-42页 |
| 3.3.2 算法复杂度分析 | 第42页 |
| 3.4 算法有效性验证 | 第42-46页 |
| 3.4.1 a1a数据集的结果 . | 第43页 |
| 3.4.2 diabetes数据集的结果 | 第43-44页 |
| 3.4.3 german.numer数据集的结果 | 第44页 |
| 3.4.4 ionosphere数据集的结果 | 第44-45页 |
| 3.4.5 初值对不同算法的影响 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于低秩转换的主动学习支持向量机 | 第47-63页 |
| 4.1 引言 | 第47-48页 |
| 4.2 低秩转换算法 | 第48-51页 |
| 4.3 基于低秩转换的主动学习支持向量机 | 第51-53页 |
| 4.3.1 算法详述 | 第51-53页 |
| 4.3.2 算法的时间复杂度分析 | 第53页 |
| 4.4 算法有效性验证 | 第53-60页 |
| 4.4.1 DNA数据集的结果 | 第53-56页 |
| 4.4.2 w5a数据集的结果 . | 第56-57页 |
| 4.4.3 letter数据集的结果 | 第57-58页 |
| 4.4.4 其他标准数据集的结果 | 第58-60页 |
| 4.5 本章小结 | 第60-63页 |
| 第五章 主动学习深度神经网络-对抗深度学习 | 第63-81页 |
| 5.1 引言 | 第63-65页 |
| 5.2 对抗深度学习 | 第65-67页 |
| 5.2.1 对抗样本 | 第65-66页 |
| 5.2.2 主动学习深度神经网络：主动选择对抗样本 | 第66-67页 |
| 5.3 基于RFN的对抗深度学习 | 第67-72页 |
| 5.3.1 模型描述 | 第68-69页 |
| 5.3.2 对抗样本抵抗性分析 | 第69-71页 |
| 5.3.3 基于流形结构的算法分类有效性分析 | 第71页 |
| 5.3.4 不同算法的对比 | 第71-72页 |
| 5.4 算法有效性验证 | 第72-76页 |
| 5.4.1 实验设置和初始化 | 第72-74页 |
| 5.4.2 实验结果 | 第74-76页 |
| 5.5 基于RFN的对抗深度学习在恶意软件分类中的应用 | 第76-80页 |
| 5.5.1 恶意软件分类 | 第76-78页 |
| 5.5.2 基于RFN的对抗深度学习在恶意软件分类的效果 | 第78-80页 |
| 5.6 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 研究工作总结 | 第81页 |
| 6.2 未来研究工作 | 第81-83页 |
| 6.2.1 模型超参数选择 | 第81-82页 |
| 6.2.2 流形学习算法时间复杂度 | 第82-83页 |
| 参考文献 | 第83-93页 |
| 致谢 | 第93-95页 |
| 攻读学位期间发表的学术论文 | 第95-97页 |
| 攻读学位期间申请的专利 | 第97页 |
