| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 插图目录 | 第11-13页 |
| 表格目录 | 第13-15页 |
| 第1章 绪论 | 第15-42页 |
| ·基于图的半监督学习 | 第15-21页 |
| ·基于高斯域和调和函数的半监督学习 | 第16页 |
| ·基于局部和全局一致性的学习 | 第16-19页 |
| ·线性领域传播 | 第19-21页 |
| ·维数约简(降维) | 第21-37页 |
| ·降维的背景和研究现状 | 第21-23页 |
| ·降维的分类及一些典型降维算法 | 第23-35页 |
| ·降维的几大进展 | 第35-37页 |
| ·基于图的半监督学习和降维的联系 | 第37-39页 |
| ·能量函数的联系 | 第37-38页 |
| ·构图的联系 | 第38-39页 |
| ·本文的内容安排 | 第39-40页 |
| ·本文的主要创新点 | 第40-42页 |
| 第2章 多步骤降维和半监督应用于肿瘤分类 | 第42-59页 |
| ·引言 | 第42-44页 |
| ·半监督学习框架 | 第44-48页 |
| ·基因表达谱和问题描述 | 第44-45页 |
| ·秩和检验 | 第45页 |
| ·离散余弦变换 | 第45页 |
| ·对DCT系数的熵排序 | 第45-46页 |
| ·LGC和LGC-NORM | 第46-47页 |
| ·一种新颖的特征抽取方法和半监督学习框架 | 第47-48页 |
| ·实验 | 第48-57页 |
| ·数据集 | 第48-51页 |
| ·实验设置 | 第51-52页 |
| ·实验结果 | 第52-55页 |
| ·分析自由参数 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 第3章 基于图的半监督学习的一种新颖的自适应权值设计 | 第59-71页 |
| ·引言 | 第59-60页 |
| ·方法 | 第60-63页 |
| ·测地距离 | 第60-61页 |
| ·类别先验信息的使用 | 第61页 |
| ·我们的算法 | 第61-63页 |
| ·正则化框架分析 | 第63-64页 |
| ·实验 | 第64-70页 |
| ·UCI数据集 | 第64-67页 |
| ·手写数字识别应用 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第4章 局部保持判别投影 | 第71-89页 |
| ·引言 | 第71-72页 |
| ·局部保持判别投影 | 第72-76页 |
| ·局部保持投影 | 第72-73页 |
| ·改进的最大边沿标准 | 第73-74页 |
| ·局部保持判别投影 | 第74-75页 |
| ·与构图的联系 | 第75-76页 |
| ·张量化LPDP | 第76-79页 |
| ·迭代的张量化局部保持判别投影 | 第76-78页 |
| ·非迭代的张量化局部保持判别投影 | 第78-79页 |
| ·实验结果 | 第79-87页 |
| ·YALE人脸数据 | 第80-83页 |
| ·ORL人脸数据 | 第83-85页 |
| ·PolyU掌纹数据 | 第85-86页 |
| ·参数α和性能的关系 | 第86-87页 |
| ·讨论 | 第87页 |
| ·本章小结 | 第87-89页 |
| 第5章 估计谱回归判别分析和核化的谱回归判别分析的正则化参数 | 第89-108页 |
| ·引言 | 第89-90页 |
| ·LDA,SRDA,OR-SRDA,SRKDA的简单介绍 | 第90-92页 |
| ·SRDA的正则化参数估计 | 第92-94页 |
| ·SRDA和RLDA的联系 | 第92-93页 |
| ·扰动线性判别分析PLDA | 第93页 |
| ·SRDA的正则化参数估计 | 第93-94页 |
| ·SRKDA的正则化参数估计 | 第94-98页 |
| ·RPE-SRKDA | 第94-95页 |
| ·KPLDA-SRKDA | 第95-98页 |
| ·实验 | 第98-107页 |
| ·数据集 | 第98-99页 |
| ·PF-SRDA的性能评估 | 第99-101页 |
| ·RPE-SRKDA和KPLDA-SRKDA的性能评估 | 第101-107页 |
| ·本章小结 | 第107-108页 |
| 总结与展望 | 第108-111页 |
| 本文的主要工作与创新点 | 第108-109页 |
| 进一步的工作展望 | 第109-111页 |
| 参考文献 | 第111-121页 |
| 在读期间发表的学术论文与科研项目 | 第121-123页 |
| 致谢 | 第123-125页 |
