基于多源数据的矩阵分解的研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 国内外研究历史与现状 | 第10-12页 |
| 1.2.1 多源数据与多任务学习 | 第10页 |
| 1.2.2 多源数据与自步学习 | 第10-11页 |
| 1.2.3 非负矩阵分解 | 第11页 |
| 1.2.4 矩阵分解与重构 | 第11-12页 |
| 1.2.5 矩阵分解与聚类 | 第12页 |
| 1.3 本文的主要贡献与创新 | 第12-13页 |
| 1.4 本论文的结构安排 | 第13-14页 |
| 第二章 相关技术研究 | 第14-32页 |
| 2.1 非负矩阵分解 | 第14-21页 |
| 2.1.1 非负矩阵分解模型 | 第14-15页 |
| 2.1.2 基本模型优化 | 第15-21页 |
| 2.2 自步学习 | 第21-31页 |
| 2.2.1 课程学习 | 第22-24页 |
| 2.2.2 自步学习 | 第24-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 基于矩阵分解的多源数据重构 | 第32-46页 |
| 3.1 背景知识 | 第32-33页 |
| 3.2 阿兹海默病相关工作 | 第33-35页 |
| 3.3 矩阵分解对多源数据的重构 | 第35-39页 |
| 3.4 多源数据的自步分类算法 | 第39-42页 |
| 3.4.1 多任务学习算法 | 第39-41页 |
| 3.4.2 自步分类算法模型 | 第41-42页 |
| 3.5 实验结果 | 第42-45页 |
| 3.5.1 数据 | 第43页 |
| 3.5.2 结果及分析 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于矩阵分解的多源数据聚类 | 第46-64页 |
| 4.1 相关工作 | 第46-49页 |
| 4.2 矩阵分解对多源数据的聚类 | 第49-50页 |
| 4.3 多源数据的自步聚类算法 | 第50-57页 |
| 4.3.1 目标函数 | 第50-51页 |
| 4.3.2 优化算法 | 第51-57页 |
| 4.4 实验 | 第57-62页 |
| 4.4.1 实验设置 | 第57-60页 |
| 4.4.2 实验结果分析 | 第60-61页 |
| 4.4.3 敏感度和时间复杂度分析 | 第61-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 本文主要工作总结 | 第64-65页 |
| 5.2 工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72页 |
