| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-20页 |
| ·论文研究背景及依据 | 第10-15页 |
| ·基于图的学习的研究现状 | 第15-17页 |
| ·国外研究现状分析 | 第15-16页 |
| ·国内研究现状分析 | 第16-17页 |
| ·研究内容及意义 | 第17-18页 |
| ·研究内容 | 第17-18页 |
| ·研究意义与目的 | 第18页 |
| ·论文的组织结构 | 第18-20页 |
| 2 基于图的半监督分类 | 第20-33页 |
| ·图的拉普拉斯矩阵的相关知识 | 第20-25页 |
| ·图的拉普拉斯矩阵的定义 | 第20-22页 |
| ·拉普拉斯矩阵的性质简介 | 第22页 |
| ·拉普拉斯算子 | 第22-24页 |
| ·正则拉普拉斯矩阵及性质 | 第24-25页 |
| ·基于图模型的学习算法 | 第25-27页 |
| ·图的构造 | 第26-27页 |
| ·图的正则化框架 | 第27页 |
| ·几种基于图的半监督分类方法 | 第27-30页 |
| ·标签传播算法 | 第27-28页 |
| ·图的最小分割方法 | 第28-29页 |
| ·调和函数方法 | 第29页 |
| ·局部与全局一致性方法 | 第29-30页 |
| ·基于k近邻图的半监督学习算法 | 第30-32页 |
| ·算法描述 | 第31页 |
| ·收敛性证明 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于最小最大邻域阶构图法的标签传播算法 | 第33-42页 |
| ·最小最大邻域阶构图法问题提出的背景 | 第33-34页 |
| ·最大最小邻域阶构图方法 | 第34-36页 |
| ·基本概念 | 第34页 |
| ·问题描述 | 第34-35页 |
| ·构图方法 | 第35-36页 |
| ·基于最大最小邻域阶构图法的局部全局一致性算法步骤 | 第36-37页 |
| ·实验结果及分析 | 第37-41页 |
| ·随机实验结果及分析 | 第37-38页 |
| ·UCI数据集实验结果及分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于自然最近邻构图法的标签传播算法 | 第42-53页 |
| ·自然最近邻 | 第42-47页 |
| ·基本概念 | 第42-43页 |
| ·自然最近邻域搜索算法描述 | 第43-45页 |
| ·自然最近邻域图 | 第45-47页 |
| ·基于自然最近邻构图法的局部全局一致性算法 | 第47-48页 |
| ·实验结果及分析 | 第48-52页 |
| ·随机实验结果及分析 | 第48-49页 |
| ·UCI数据集实验结果及分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| ·论文分析与总结 | 第53页 |
| ·研究工作总结 | 第53-54页 |
| ·研究的局限性及展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录：作者攻读硕士学位期间发表论文及科研情况 | 第59-60页 |
| 致谢 | 第60页 |