非线性维数约减的研究及其应用
| 第一章 绪论 | 第9-13页 |
| 1.1 研究的目的和意义 | 第9页 |
| 1.2 机器学习 | 第9-10页 |
| 1.3 维数约减 | 第10-12页 |
| 1.4 本文结构 | 第12-13页 |
| 第二章 维数约减算法 | 第13-19页 |
| 2.1 主成分分析法(PCA) | 第13-14页 |
| 2.2 等距映射算法(Isomap) | 第14-15页 |
| 2.3 局域线性嵌入(LLE) | 第15-16页 |
| 2.4 自组织等距嵌入(SIE) | 第16-17页 |
| 2.5 几种维数约减算法的比较 | 第17-19页 |
| 第三章 神经网络 | 第19-21页 |
| 3.1 神经网络概述 | 第19页 |
| 3.2 感知器模型 | 第19-20页 |
| 3.3 误差反向传播网络 | 第20-21页 |
| 第四章 文本分类 | 第21-28页 |
| 4.1 什么是文本分类 | 第21页 |
| 4.2 文本的表示 | 第21-23页 |
| 4.3 文本分类算法 | 第23-26页 |
| 4.3.1 简单贝叶斯算法 | 第23-24页 |
| 4.3.2 K-最临近分类 | 第24页 |
| 4.3.3 决策树 | 第24-25页 |
| 4.3.4 神经网络 | 第25页 |
| 4.3.5 支持向量机 | 第25页 |
| 4.3.6 类中心法 | 第25-26页 |
| 4.3.7 Boosting算法 | 第26页 |
| 4.4 文本分类一般流程 | 第26页 |
| 4.5 基于非线性维数约减算法的文本分类 | 第26-28页 |
| 第五章 MATLAB简介 | 第28-30页 |
| 第六章 实验分析 | 第30-42页 |
| 6.1 仿真实验 | 第30-33页 |
| 6.2 多视角图像实验 | 第33-36页 |
| 6.3 股票数据维数约减实验 | 第36-39页 |
| 6.4 文本分类实验 | 第39-42页 |
| 第七章 总结及展望 | 第42-44页 |
| 参考文献 | 第44-46页 |
| 发表论文和参加科研情况说明 | 第46-47页 |
| 致谢 | 第47页 |
