| 摘要 | 第1-7页 |
| Abstract | 第7-16页 |
| 第1章 绪论 | 第16-37页 |
| ·课题背景及研究目的和意义 | 第16-19页 |
| ·半监督机器学习算法研究现状及分析 | 第19-28页 |
| ·半监督聚类算法 | 第21-22页 |
| ·半监督分类算法 | 第22-26页 |
| ·半监督回归算法 | 第26-27页 |
| ·半监督学习的计算学习理论 | 第27页 |
| ·半监督学习面临的主要挑战 | 第27-28页 |
| ·认知机理与半监督学习结合研究现状 | 第28-34页 |
| ·人类认知行为中半监督特征 | 第28-29页 |
| ·基于认知心理学的计算认知模型研究现状 | 第29-34页 |
| ·本文主要研究内容 | 第34-37页 |
| 第2章 符合半监督特征的“合作-参与”计算认知模型 | 第37-54页 |
| ·引言 | 第37页 |
| ·合作学习和参与学习的认知心理学基础 | 第37-40页 |
| ·合作学习的认知发展论基础 | 第38页 |
| ·参与学习的认知精制论基础 | 第38-39页 |
| ·二者融合的知识建构主义基础 | 第39-40页 |
| ·“合作-参与”计算认知模型 | 第40-46页 |
| ·合作学习计算认知模型 | 第40-42页 |
| ·适合半监督情形的参与学习计算认知模型 | 第42-43页 |
| ·二者结合—“合作-参与”计算认知模型 | 第43-46页 |
| ·Co-training 式算法的计算认知模型剖析 | 第46-51页 |
| ·三分类器集成的Tri-training 算法剖析 | 第46-49页 |
| ·多决策树集成的Co-Forest 算法剖析 | 第49-51页 |
| ·提高Co-training 式算法安全性的策略 | 第51-53页 |
| ·Co-training 式算法安全性分析 | 第51-52页 |
| ·安全性提高策略 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第3章 基于“合作-参与”模型的半监督聚类算法 | 第54-68页 |
| ·引言 | 第54-55页 |
| ·Seeded-K-均值和Constrained-K-均值算法 | 第55页 |
| ·基于 Tri-training 和数据剪辑的半监督聚类算法 | 第55-60页 |
| ·Tri-training 扩大Seeds 集 | 第56页 |
| ·Depuration 剪辑seeds 集 | 第56-57页 |
| ·基于Tri-training 和数据剪辑半监督K-均值算法 | 第57-59页 |
| ·算法复杂性分析 | 第59-60页 |
| ·实验分析 | 第60-66页 |
| ·BPNN 分类器训练充分时Tri-training 作用分析 | 第61-63页 |
| ·BPNN 分类器训练不充分时Depuration 作用分析 | 第63-65页 |
| ·纵向比较分析 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第4章 基于“合作-参与”模型的半监督分类算法 | 第68-108页 |
| ·引言 | 第68-69页 |
| ·RemoveOnly 剪辑操作的引入 | 第69-70页 |
| ·ADE-Tri-training 中自适应剪辑策略 | 第70-76页 |
| ·考虑训练集噪声的PAC 可学习性 | 第70-71页 |
| ·标准Tri-training 再训练充分条件 | 第71-72页 |
| ·RemoveOnly 性能定量刻画指标 | 第72-73页 |
| ·引入RemoveOnly 提高泛化能力的充分条件 | 第73-75页 |
| ·自适应剪辑策略 | 第75-76页 |
| ·ADE-Tri-training 算法 | 第76-79页 |
| ·ADE-Co-Forest 中自适应剪辑策略及算法 | 第79-86页 |
| ·自适应剪辑策略 | 第79-82页 |
| ·ADE-Co-Forest 算法 | 第82-85页 |
| ·算法复杂性分析 | 第85-86页 |
| ·实验分析 | 第86-107页 |
| ·Tri-training 系列算法实验 | 第86-95页 |
| ·Co-Forest 系列算法实验 | 第95-107页 |
| ·本章小结 | 第107-108页 |
| 第5章 半监督学习算法扩展与应用 | 第108-131页 |
| ·引言 | 第108-109页 |
| ·利用MapReduce 并行范式提高半监督学习算法扩展性 | 第109-118页 |
| ·MapReduce 并行范式 | 第110-112页 |
| ·Tri-training 系列算法中高吞吐量计算分析 | 第112-113页 |
| ·个体对等分类器MapReduce 并行化 | 第113-116页 |
| ·数据剪辑MapReduce 并行化 | 第116-118页 |
| ·CT 图像肺结节诊断系统中应用 | 第118-124页 |
| ·系统总体设计 | 第119-122页 |
| ·训练与检测流程 | 第122-123页 |
| ·样本向量生成技术 | 第123-124页 |
| ·系统诊断性能 | 第124-129页 |
| ·串行模式算法性能 | 第125-126页 |
| ·MapReduce 并行化算法性能 | 第126-129页 |
| ·本章小结 | 第129-131页 |
| 结论 | 第131-133页 |
| 参考文献 | 第133-145页 |
| 攻读博士学位期间发表的论文及其它成果 | 第145-148页 |
| 致谢 | 第148-149页 |
| 个人简历 | 第149页 |
