面向稀疏数据的在线学习特征选择方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究内容及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 在线学习 | 第11-12页 |
| 1.2.2 在线特征选择 | 第12页 |
| 1.2.3 多任务在线特征选择 | 第12页 |
| 1.2.4 不平衡数据在线特征选择 | 第12-13页 |
| 1.3 研究工作 | 第13-14页 |
| 1.3.1 主要研究内容 | 第13页 |
| 1.3.2 主要研究成果与贡献 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第二章 单任务在线特征选择 | 第15-38页 |
| 2.1 研究问题 | 第15-17页 |
| 2.2 相关研究 | 第17-24页 |
| 2.2.1 感知机截断算法 | 第17-20页 |
| 2.2.2 稀疏投影算法 | 第20-24页 |
| 2.3 PA截断梯度算法 | 第24-31页 |
| 2.3.1 PA算法 | 第24-26页 |
| 2.3.2 截断梯度算法 | 第26-28页 |
| 2.3.3 PA截断梯度算法 | 第28-31页 |
| 2.4 实验结果与分析 | 第31-37页 |
| 2.4.1 实验数据集 | 第31-32页 |
| 2.4.2 实验设计 | 第32-33页 |
| 2.4.3 实验结果与分析 | 第33-37页 |
| 2.5 小结 | 第37-38页 |
| 第三章 多任务在线特征选择 | 第38-54页 |
| 3.1 研究问题 | 第38页 |
| 3.2 多任务协同在线特征选择 | 第38-48页 |
| 3.2.1.单任务学习 | 第40-42页 |
| 3.2.2.全局学习 | 第42-43页 |
| 3.2.3.协同在线特征选择 | 第43-47页 |
| 3.2.4 协同模型的推导过程 | 第47-48页 |
| 3.3 实验结果与分析 | 第48-53页 |
| 3.3.1 实验数据集 | 第48页 |
| 3.3.2 实验设计 | 第48-49页 |
| 3.3.3 实验结果与分析 | 第49-53页 |
| 3.4 小结 | 第53-54页 |
| 第四章 不平衡数据在线特征选择 | 第54-70页 |
| 4.1 研究问题 | 第54-55页 |
| 4.1.1 不平衡数据问题 | 第54页 |
| 4.1.2 评估指标 | 第54-55页 |
| 4.2 代价敏感算法 | 第55-58页 |
| 4.3 不平衡间隔PA截断梯度算法 | 第58-61页 |
| 4.4 过采样PA截断梯度算法 | 第61-65页 |
| 4.5 实验结果与分析 | 第65-68页 |
| 4.5.1 实验数据集 | 第65页 |
| 4.5.2 实验设计 | 第65-66页 |
| 4.5.3 实验结果与分析 | 第66-68页 |
| 4.6 小结 | 第68-70页 |
| 总结 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 答辩委员签名的答辩决议书 | 第75页 |
