图驱动的无监督降维和判别子空间学习研究及其应用
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-29页 |
| ·降维 | 第14-19页 |
| ·降维的含义 | 第14页 |
| ·降维的意义 | 第14-17页 |
| ·降维的分类 | 第17-19页 |
| ·图构建 | 第19-22页 |
| ·近邻搜索 | 第19页 |
| ·权值计算 | 第19-20页 |
| ·图驱动的典型无监督降维算法 | 第20-22页 |
| ·判别分析 | 第22-25页 |
| ·判别分析的目标 | 第22页 |
| ·典型的判别分析算法 | 第22-25页 |
| ·本文的主要研究工作 | 第25-27页 |
| ·本文的内容安排 | 第27-29页 |
| 第二章 样本依赖的图构建及其降维应用 | 第29-50页 |
| ·引言 | 第29-30页 |
| ·样本依赖图构建 | 第30-35页 |
| ·样本依赖图的构建 | 第30-32页 |
| ·样本依赖图的特性 | 第32-35页 |
| ·样本依赖局部保持算法 | 第35-36页 |
| ·实验 | 第36-49页 |
| ·说明性实验 | 第36-40页 |
| ·识别问题 | 第40-47页 |
| ·聚类问题 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第三章 图驱动无监督降维的伪装判别性 | 第50-61页 |
| ·引言 | 第50-51页 |
| ·基于图构建无监督降维算法的伪装判别性 | 第51-57页 |
| ·伪装判别性 | 第51-54页 |
| ·图驱动无监督算法的局部参数敏感性哲学 | 第54-55页 |
| ·无监督学习中相容性的难题 | 第55页 |
| ·不相容问题的对策 | 第55-57页 |
| ·实验和结果 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 结构驱动的判别分析框架 | 第61-89页 |
| ·引言 | 第61-62页 |
| ·结构驱动的判别分析框架 | 第62-69页 |
| ·类粒度结构的多重判别分析 | 第66页 |
| ·局部粒度结构的判别分析 | 第66-67页 |
| ·聚类粒度结构的子类判别分析 | 第67页 |
| ·框架的刻画 | 第67-68页 |
| ·相关框架的回顾 | 第68-69页 |
| ·从结构驱动判别分析框架发展的三个算法 | 第69-75页 |
| ·提出的算法 | 第70-73页 |
| ·与其它粒度算法的比较 | 第73-75页 |
| ·实验和讨论 | 第75-87页 |
| ·说明性实验 | 第75-78页 |
| ·人脸识别 | 第78-83页 |
| ·UCI 数据实验 | 第83-86页 |
| ·讨论和向导 | 第86-87页 |
| ·本章小结 | 第87-89页 |
| 第五章 支持向量机诱导的判别降维和分类 | 第89-102页 |
| ·引言 | 第89-90页 |
| ·相关工作和分析 | 第90-94页 |
| ·支持向量机 | 第90-92页 |
| ·大间隔判别分析和递归支持向量机的一致性证明 | 第92-94页 |
| ·提出的方法及其特性 | 第94-98页 |
| ·线性方法 | 第94-97页 |
| ·近似方法 | 第97-98页 |
| ·实验 | 第98-101页 |
| ·本章小结 | 第101-102页 |
| 第六章 基于支持向量机和线性判别分析的子空间学习 | 第102-110页 |
| ·引言 | 第102-103页 |
| ·基于支持向量机和线性判别分析降维 | 第103-105页 |
| ·二类算法 | 第103-104页 |
| ·多类算法 | 第104-105页 |
| ·算法复杂性分析 | 第105页 |
| ·实验和结果 | 第105-109页 |
| ·一个toy 样例 | 第105-106页 |
| ·UCI 数据实验 | 第106-109页 |
| ·本章小结 | 第109-110页 |
| 第七章 结论和展望 | 第110-113页 |
| 参考文献 | 第113-125页 |
| 致谢 | 第125-126页 |
| 在学期间的研究成果及发表的学术论文 | 第126页 |
