| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 模式分类方法研究现状 | 第12-17页 |
| 1.2.1 个性化推荐系统研究现状 | 第12-13页 |
| 1.2.2 半监督分类方法研究现状 | 第13-15页 |
| 1.2.3 迁移分类方法研究现状 | 第15-16页 |
| 1.2.4 隐空间技术在模式分类中的研究现状 | 第16-17页 |
| 1.3 本文研究的几个问题 | 第17页 |
| 1.4 本文主要研究内容和结构 | 第17-19页 |
| 1.5 小结 | 第19-21页 |
| 第二章 基于最小包含球的异质空间大数据集快速相似度学习算法 | 第21-39页 |
| 2.1 引言 | 第21-22页 |
| 2.2 相关概念与CSAL方法 | 第22-24页 |
| 2.2.1 CSAL算法 | 第22-23页 |
| 2.2.2 CSAL算法与大样本 | 第23-24页 |
| 2.3 CSAL-MEB原理与方法 | 第24-30页 |
| 2.3.1 最小包含球问题 | 第24-25页 |
| 2.3.2 中心约束的最小包含球问题 | 第25-29页 |
| 2.3.3 算法收敛问题分析 | 第29-30页 |
| 2.4 CSAL-CVM算法 | 第30-32页 |
| 2.4.1 CSAL-CVM算法描述 | 第30-32页 |
| 2.4.2 CSAL-CVM算法时间复杂度和空间复杂度 | 第32页 |
| 2.4.3 算法收敛问题说明 | 第32页 |
| 2.5 实验结果与分析 | 第32-37页 |
| 2.5.1 实验所用方法和数据集 | 第33页 |
| 2.5.2 实验结果及分析 | 第33-37页 |
| 2.6 小结 | 第37-39页 |
| 第三章 基于特征扩维的半监督分类算法研究 | 第39-63页 |
| 3.1 引言 | 第39-41页 |
| 3.2 基于隐特征扩维的半监督支持向量机 | 第41-51页 |
| 3.2.1 基于隐特征扩维的半监督支持向量机的目标函数 | 第41-44页 |
| 3.2.2 目标函数参数学习规则 | 第44-47页 |
| 3.2.3 算法描述 | 第47页 |
| 3.2.4 算法收敛问题说明 | 第47-48页 |
| 3.2.5 核化的基于隐特征扩维的半监督SVM | 第48-50页 |
| 3.2.6 算法计算复杂度分析 | 第50-51页 |
| 3.3 实验分析 | 第51-61页 |
| 3.3.1 数据集描述与设置 | 第51页 |
| 3.3.2 参数设置 | 第51-52页 |
| 3.3.3 实验结果与讨论 | 第52-61页 |
| 3.4 小结 | 第61-63页 |
| 第四章 基于过取样和隐空间的半监督分类算法研究 | 第63-83页 |
| 4.1 引言 | 第63-64页 |
| 4.2 预备知识 | 第64-65页 |
| 4.2.1 半监督学习定义 | 第64页 |
| 4.2.2 过取样技术 | 第64页 |
| 4.2.3 隐空间技术 | 第64-65页 |
| 4.2.4 算法原理 | 第65页 |
| 4.3 基于过取样和隐空间的半监督分类方法 | 第65-73页 |
| 4.3.1 学习原理和目标函数 | 第65-68页 |
| 4.3.2 目标函数解决方案 | 第68-71页 |
| 4.3.3 算法描述 | 第71-72页 |
| 4.3.4 算法收敛问题说明 | 第72-73页 |
| 4.4 实验结果与讨论 | 第73-82页 |
| 4.4.1 基准数据集和对比算法说明 | 第73页 |
| 4.4.2 参数设置说明 | 第73-75页 |
| 4.4.3 实验结果分析 | 第75-80页 |
| 4.4.4 运行时间比较 | 第80页 |
| 4.4.5 统计分析比较 | 第80-82页 |
| 4.5 小结 | 第82-83页 |
| 第五章 共享隐空间迁移SVM | 第83-101页 |
| 5.1 引言 | 第83-84页 |
| 5.2 基于SVM的隐空间迁移学习机 | 第84-93页 |
| 5.2.1 相关概念与问题描述 | 第84-85页 |
| 5.2.2 基于SVM的共享隐空间迁移学习机原理和目标函数 | 第85-88页 |
| 5.2.3 目标函数参数学习规则 | 第88-91页 |
| 5.2.4 算法描述 | 第91页 |
| 5.2.5 算法收敛问题说明 | 第91-93页 |
| 5.2.6 与相关工作的比较分析 | 第93页 |
| 5.3 实验分析 | 第93-99页 |
| 5.3.1 数据集与评价准则 | 第94-96页 |
| 5.3.2 实验结果分析 | 第96-98页 |
| 5.3.3 参数敏感性实验 | 第98-99页 |
| 5.4 小结 | 第99-101页 |
| 第六章 基于迁移共享空间的分类新算法研究 | 第101-119页 |
| 6.1 引言 | 第101-102页 |
| 6.2 迁移共享空间支持向量机算法TS3VM | 第102-110页 |
| 6.2.1 问题描述 | 第102-103页 |
| 6.2.2 算法原理和目标函数 | 第103-105页 |
| 6.2.3 算法目标函数参数学习规则 | 第105-109页 |
| 6.2.4 算法描述 | 第109页 |
| 6.2.5 算法收敛问题说明 | 第109-110页 |
| 6.3 实验分析 | 第110-117页 |
| 6.3.1 数据集描述与设置 | 第111-114页 |
| 6.3.2 实验结果与讨论 | 第114-115页 |
| 6.3.3 参数敏感性实验 | 第115-117页 |
| 6.4 小结 | 第117-119页 |
| 第七章 主要结论与展望 | 第119-123页 |
| 7.1 主要结论 | 第119-120页 |
| 7.2 展望 | 第120-123页 |
| 致谢 | 第123-124页 |
| 参考文献 | 第124-136页 |
| 附录 | 第136页 |
| 附录 1：作者在攻读博士学位期间发表的论文列表 | 第136页 |
| 附录 2：攻读博士学位期间主持和参与的科研项目列表 | 第136页 |
