| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第16-29页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 相关研究进展 | 第17-24页 |
| 1.2.1 线性特征学习 | 第17-19页 |
| 1.2.2 非线性特征学习 | 第19-23页 |
| 1.2.3 其他特征学习方法 | 第23-24页 |
| 1.3 特征学习的科学问题分析 | 第24-25页 |
| 1.4 本文研究内容 | 第25-27页 |
| 1.5 本文组织 | 第27-29页 |
| 第二章 基于概念分解的半监督特征学习 | 第29-50页 |
| 2.1 引言 | 第29-30页 |
| 2.2 相关工作介绍 | 第30-32页 |
| 2.2.1 文档表示 | 第30-31页 |
| 2.2.2 概念分解 | 第31-32页 |
| 2.3 半监督概念分解 | 第32-37页 |
| 2.3.1 SSCF | 第32-33页 |
| 2.3.2 迭代算法 | 第33-34页 |
| 2.3.3 收敛性证明 | 第34-36页 |
| 2.3.4 计算复杂度分析 | 第36-37页 |
| 2.4 文档聚类实验分析 | 第37-49页 |
| 2.4.1 评价指标 | 第38-39页 |
| 2.4.2 数据语料库 | 第39页 |
| 2.4.3 算法对比分析 | 第39-43页 |
| 2.4.4 对约束数量的影响分析 | 第43-49页 |
| 2.5 本章小结 | 第49-50页 |
| 第三章 基于邻域保持概念分解的半监督特征学习 | 第50-67页 |
| 3.1 引言 | 第50页 |
| 3.2 CNPCF目标函数的构造 | 第50-52页 |
| 3.3 CNPCF优化算法 | 第52-53页 |
| 3.4 CNPCF优化算法分析 | 第53-56页 |
| 3.4.1 算法的收敛性证明 | 第54-55页 |
| 3.4.2 算法的计算复杂度分析 | 第55-56页 |
| 3.5 实验结果 | 第56-66页 |
| 3.5.1 实验数据集 | 第56-57页 |
| 3.5.2 算法对比实验与分析 | 第57-60页 |
| 3.5.3 约束信息量影响分析 | 第60-65页 |
| 3.5.4 参数的选择 | 第65-66页 |
| 3.6 本章小结 | 第66-67页 |
| 第四章 基于局部一致判别的特征学习 | 第67-81页 |
| 4.1 引言 | 第67-68页 |
| 4.2 相关知识介绍 | 第68-70页 |
| 4.2.1 PCA | 第68-69页 |
| 4.2.2 LDA | 第69页 |
| 4.2.3 DNE | 第69-70页 |
| 4.2.4 LPP | 第70页 |
| 4.3 LCDA算法过程 | 第70-73页 |
| 4.3.1 构建类内图和类间图 | 第70-71页 |
| 4.3.2 构建相似图 | 第71-72页 |
| 4.3.3 LCDA的目标函数及其优化算法 | 第72-73页 |
| 4.4 LCDA脸特征学习 | 第73-74页 |
| 4.5 人脸识别实验与分析 | 第74-80页 |
| 4.5.1 LCDA faces的人脸表示 | 第74页 |
| 4.5.2 人脸识别对比实验 | 第74-78页 |
| 4.5.3 对比实验结果分析 | 第78-79页 |
| 4.5.4 训练样本数量的影响分析 | 第79-80页 |
| 4.6 本章小结 | 第80-81页 |
| 第五章 基于张量树的特征学习 | 第81-108页 |
| 5.1 引言 | 第81-84页 |
| 5.2 相关知识介绍 | 第84-88页 |
| 5.3 张量树学习理论 | 第88-94页 |
| 5.3.1 张量树学习的基本概念 | 第88-91页 |
| 5.3.2 张量树学习算法 | 第91-92页 |
| 5.3.3 数据的高阶张量表示 | 第92页 |
| 5.3.4 张量树理论下的特征学习框架 | 第92-94页 |
| 5.4 邻域嵌入的张量特征学习 | 第94-98页 |
| 5.4.1 NTL方法及目标函数 | 第95-97页 |
| 5.4.2 目标函数的优化 | 第97-98页 |
| 5.5 实验结果 | 第98-107页 |
| 5.5.1 算法对比实验与分析 | 第99-102页 |
| 5.5.2 各算法性能随着训练数据的增加的变化情况 | 第102-104页 |
| 5.5.3 算法性能与特征量的关系 | 第104-107页 |
| 5.6 结论和展望 | 第107-108页 |
| 第六章 总结与展望 | 第108-110页 |
| 6.1 本文工作总结 | 第108-109页 |
| 6.2 研究展望 | 第109-110页 |
| 参考文献 | 第110-124页 |
| 发表文章目录及科研项目 | 第124-125页 |
| 致谢 | 第125-127页 |