非均匀分布数据的拉伸与膨胀方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 数据标准化方法 | 第12-14页 |
| 1.2.2 度量学习方法 | 第14-16页 |
| 1.2.2.1 有监督度量学习 | 第15-16页 |
| 1.2.2.2 无监督度量学习 | 第16页 |
| 1.3 研究内容和特色 | 第16-17页 |
| 1.4 论文组织结构 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 预备知识 | 第18-23页 |
| 2.1 高斯平滑方法 | 第18-19页 |
| 2.2 K-means聚类算法 | 第19-20页 |
| 2.3 最小二乘法 | 第20-21页 |
| 2.4 梯度下降法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 数据拉伸方法 | 第23-36页 |
| 3.1 非线性拉伸方法 | 第23-28页 |
| 3.1.1 数据预处理 | 第24页 |
| 3.1.2 估计分布 | 第24-26页 |
| 3.1.3 曲线平滑 | 第26-27页 |
| 3.1.4 积分与规范化 | 第27-28页 |
| 3.1.5 曲线拟合 | 第28页 |
| 3.1.6 复杂度分析 | 第28页 |
| 3.2 实验与分析 | 第28-35页 |
| 3.2.1 实验方法 | 第30页 |
| 3.2.2 实验结果 | 第30-34页 |
| 3.2.3 实验分析 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 数据膨胀方法 | 第36-49页 |
| 4.1 基于Kmeans的数据膨胀方法 | 第36-39页 |
| 4.1.1 Kmeans估计分布 | 第36-37页 |
| 4.1.2 距离方差最小化 | 第37-39页 |
| 4.2 实验与分析 | 第39-48页 |
| 4.2.1 实验数据 | 第39-40页 |
| 4.2.2 实验结果 | 第40-47页 |
| 4.2.3 实验分析 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 总结与展望 | 第49-51页 |
| 总结 | 第49页 |
| 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间发表的论文 | 第54-56页 |
| 致谢 | 第56页 |
