中文摘要 | 第1-5页 |
英文摘要 | 第5-10页 |
1 绪论 | 第10-20页 |
·选题背景 | 第10-14页 |
·研究意义与目的 | 第14-17页 |
·研究内容 | 第17-20页 |
2 自然最近邻居(3N) | 第20-32页 |
·最近邻居技术 | 第20-22页 |
·自然最近邻居(3N) | 第22-25页 |
·3N 邻居的形成 | 第22-23页 |
·3N 邻居的定义 | 第23-25页 |
·3N 邻居的特性 | 第25-28页 |
·supk 值的稳定性 | 第25-27页 |
·3N 邻居数的Poisson 过程模型 | 第27-28页 |
·构造自适应最近邻域图 | 第28-30页 |
·自然最近邻域图(Natural Nearest Neihborhood Graph_3NG) | 第28-29页 |
·饱和的最近邻域图(Satural Neighborhood Graph_SNG) | 第29-30页 |
·本章小结 | 第30-32页 |
3 3N 邻居与全局结构流形学习及应用 | 第32-64页 |
·流形学习中的基本问题 | 第32-33页 |
·自适应流形学习算法 3N-Isomap | 第33-38页 |
·Isomap 算法 | 第33-34页 |
·自适应流形学习 | 第34-35页 |
·自适应流形学习算法3N-Isomap | 第35页 |
·算法3N-Isomap 的性能 | 第35-38页 |
·小结 | 第38页 |
·多流形学习 | 第38-45页 |
·相关研究 | 第38-39页 |
·自动地多流形或多聚类学习 | 第39页 |
·实验结果 | 第39-45页 |
·手写数字复杂性分析 | 第45-53页 |
·提出问题:什么是残差 | 第45-46页 |
·数字复杂性 | 第46-53页 |
·小结 | 第53页 |
·通用的简单随机采样模型 | 第53-62页 |
·简单采样 | 第53-55页 |
·通用的简单随机采样模型 | 第55-56页 |
·实验结果 | 第56-62页 |
·小结 | 第62页 |
·本章小结 | 第62-64页 |
4 3N 邻居与局部结构流形学习 | 第64-76页 |
·无自由参数局部流形学习算法3N-LLE | 第64-68页 |
·LLE 算法 | 第64-65页 |
·3N-LLE 算法 | 第65页 |
·实验 | 第65-68页 |
·无自由参数局部流形学习算法3N-LTSA | 第68-73页 |
·LTSA 算法 | 第68页 |
·3N-LTSA 算法 | 第68-70页 |
·实验 | 第70-73页 |
·小结 | 第73-76页 |
5 3N 邻居在谱图聚类中的应用 | 第76-96页 |
·聚类结构的子空间描述理论及方法 | 第76-84页 |
·谱聚类 | 第76-77页 |
·正规剪切算法 | 第77-80页 |
·K-路正规剪切与谱松驰技术 | 第80-81页 |
·基于图分割的K-路正规关联与K-路正规剪切准则 | 第81-84页 |
·改进的 MNCut 算法 | 第84-94页 |
·自动地学习一个稀疏的相似度矩阵 | 第85-87页 |
·改进的MNcut 算法:3N-MNcut 算法 | 第87-88页 |
·实验效果 | 第88-94页 |
·小结 | 第94-96页 |
6 结构离群与行为分析 | 第96-114页 |
·离群检测概述 | 第96-99页 |
·离群点的含义 | 第96-97页 |
·离群检测方法 | 第97-99页 |
·离群点与聚类的谱系特征结构 | 第99-105页 |
·聚类的谱系特征 | 第99页 |
·离群点的谱系特征 | 第99-103页 |
·结构离群: 一种离群行为解释 | 第103-104页 |
·实验结果 | 第104-105页 |
·结构离群行为 | 第105-112页 |
·结构离群因子 | 第106-107页 |
·结构离群指数 | 第107-109页 |
·实验结果及离群行为分析 | 第109-112页 |
·小结 | 第112-114页 |
7 总结与展望 | 第114-116页 |
·总结 | 第114-115页 |
·展望 | 第115-116页 |
致谢 | 第116-118页 |
参考文献 | 第118-128页 |
附录 | 第128-129页 |
A. 作者在攻读博士学位期间发表的论文目录 | 第128-129页 |
B. 作者在攻读博士学位期间参加的科研项目 | 第129页 |