| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第1章 绪论 | 第12-33页 |
| ·模式识别的发展史与研究现状 | 第12-16页 |
| ·若干复杂模式识别问题. | 第16-28页 |
| ·大样本集问题 | 第16-19页 |
| ·非刘称佯本集问题 | 第19-21页 |
| ·半监督学习 | 第21-28页 |
| ·本文主要研究内容和创新点 | 第28-29页 |
| ·主要研究内容 | 第28-29页 |
| ·主要创新点 | 第29页 |
| 参考文献 | 第29-33页 |
| 第2章 矩阵模块神经网络 | 第33-60页 |
| ·矩阵模块神经网络 | 第33-42页 |
| ·任务分解 | 第34-37页 |
| ·仲经网络矩阵 | 第37-39页 |
| ·集成机 | 第39-41页 |
| ·期望输出 | 第41-42页 |
| ·计算复杂度 | 第42-44页 |
| ·泛化能力 | 第44-50页 |
| ·实验与讨沦 | 第50-58页 |
| ·异或问题 | 第51-52页 |
| ·IRIS问题 | 第52-54页 |
| ·双螺旋问题 | 第54-58页 |
| ·本章小结 | 第58页 |
| 参考文献 | 第58-60页 |
| 第3章 基于矩阵模块神经网络的生物特征识别应用研究 | 第60-74页 |
| ·人脸识别 | 第60-66页 |
| ·特征提取 | 第61-64页 |
| ·实验数据 | 第64页 |
| ·实验结果 | 第64-66页 |
| ·学纹识别 | 第66-71页 |
| ·特征提取 | 第66-67页 |
| ·实验数据 | 第67-68页 |
| ·实验结果 | 第68-71页 |
| ·本章小结 | 第71页 |
| 参考文献 | 第71-74页 |
| 第4章 基于矩阵模块神经网络的非对称模式分类 | 第74-91页 |
| ·改进矩阵模块神经网络结构 | 第75-76页 |
| ·集成机 | 第76-81页 |
| ·均值法 | 第77-78页 |
| ·遗传算法 | 第78-81页 |
| ·实验与讨论 | 第81-88页 |
| ·IRIS数据 | 第81-82页 |
| ·UCI非对称数据 | 第82-84页 |
| ·USPS数据 | 第84-88页 |
| ·本章小结 | 第88页 |
| 参考文献 | 第88-91页 |
| 第5章 基于流形的半监督学习 | 第91-107页 |
| ·光谱映射 | 第94-97页 |
| ·非标准化映射 | 第95页 |
| ·对称标准化映射 | 第95-96页 |
| ·非对称标准化映射 | 第96页 |
| ·分类决策 | 第96-97页 |
| ·基于局部和全局一致性 | 第97-98页 |
| ·基于高斯域和调和函数 | 第98-99页 |
| ·基十黎曼流形和最小误差映射 | 第99-101页 |
| ·实验与讨论 | 第101-105页 |
| ·两个Toy数据 | 第101-104页 |
| ·USPS数据 | 第104-105页 |
| ·本章小结 | 第105页 |
| 参考文献 | 第105-107页 |
| 第6章 改进的流形半监督学习算法 | 第107-130页 |
| ·基于黎曼流形和最小误差类别映射的多类半监督学习算法 | 第107-116页 |
| ·基于黎曼流形和最小误差类别映射的两类问题半临督学爿算法 | 第107-110页 |
| ·基于黎曼流形和最小类别误差映射的多类问题半监督学习算法 | 第110-112页 |
| ·实验与讨论 | 第112-116页 |
| ·半监督光谱映射 | 第116-128页 |
| ·拉普拉斯特征图 | 第116-119页 |
| ·无监督光谱映射的缺陷 | 第119-120页 |
| ·半监督光谱映射 | 第120-123页 |
| ·实验与讨论 | 第123-128页 |
| ·本章小结 | 第128页 |
| 参考文献 | 第128-130页 |
| 第7章 总结与展望 | 第130-134页 |
| ·矩阵模块神经网络冗余结构的裁减算法研究 | 第130-131页 |
| ·矩阵模块神经网络类别子空间划分算法研究 | 第131页 |
| ·神经网络模块动态构造和学习算法研究 | 第131-132页 |
| ·流形半监督学习算法的泛化能力研究 | 第132页 |
| ·流形半监督学习算法的网页分类应用研究 | 第132-134页 |
| 攻读博士学位期间发表的论文和参加的科研项目情况 | 第134-136页 |
| 致谢 | 第136页 |
