| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题背景 | 第9页 |
| ·研究内容和目标 | 第9-10页 |
| ·研究动机和本文主要工作 | 第10-11页 |
| ·本文组织结构 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第2章 国内外研究现状与发展趋势 | 第13-24页 |
| ·子空间学习的主要研究方向 | 第13-16页 |
| ·核子空间学习 | 第13-14页 |
| ·半监督子空间学习 | 第14-15页 |
| ·张量子空间学习 | 第15页 |
| ·增量子空间学习 | 第15-16页 |
| ·非负与稀疏子空间学习 | 第16页 |
| ·子空间学习的概率解释 | 第16-17页 |
| ·几种经典子空间学习算法 | 第17-23页 |
| ·主成分分析 | 第17-19页 |
| ·独立成分分析 | 第19页 |
| ·线性判别分析 | 第19-21页 |
| ·典型相关分析 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 局部样条嵌入的半监督子空间算法 | 第24-39页 |
| ·半监督学习算法 | 第24-27页 |
| ·半监督判别分析算法 | 第27-32页 |
| ·线性判别分析的图模型 | 第27-29页 |
| ·半监督判别分析的理论框架 | 第29-30页 |
| ·半监督判别分析的算法步骤 | 第30-32页 |
| ·局部样条嵌入的半监督子空间学习算法 | 第32-35页 |
| ·样条函数最小化 | 第32-34页 |
| ·局部样条嵌入的正则化框架 | 第34-35页 |
| ·实验结果分析及评估 | 第35-37页 |
| ·本章小节 | 第37-39页 |
| 第4章 基于正交投影的局部样条嵌入半监督子空间学习算法 | 第39-51页 |
| ·基于正交投影的局部样条嵌入半监督学习算法 | 第39-41页 |
| ·实验架构 | 第41-42页 |
| ·实验设置 | 第42-47页 |
| ·实验数据库介绍 | 第42-43页 |
| ·评价指标 | 第43-46页 |
| ·对比实验介绍 | 第46-47页 |
| ·参数设置 | 第47页 |
| ·实验结果及分析 | 第47-50页 |
| ·图像聚类 | 第47-49页 |
| ·图像分类 | 第49-50页 |
| ·算法分析 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| ·工作总结 | 第51-52页 |
| ·下一步工作和展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间主要的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 作者简历 | 第59页 |