| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 引言 | 第9-10页 |
| 1.2 半监督学习研究意义和研究现状 | 第10-14页 |
| 1.2.1 研究意义 | 第10页 |
| 1.2.2 研究现状 | 第10-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织 | 第15-17页 |
| 第二章 基于图的半监督学习算法基本理论 | 第17-29页 |
| 2.1 半监督学习假设 | 第17-18页 |
| 2.2 基于图的半监督学习框架 | 第18页 |
| 2.3 基于图的半监督算法 | 第18-25页 |
| 2.3.1 图的最小分割 | 第19页 |
| 2.3.2 高斯随机场和调和函数 | 第19-20页 |
| 2.3.3 标记传播 | 第20-22页 |
| 2.3.4 局部和全局一致性 | 第22页 |
| 2.3.5 吉洪诺夫正则化 | 第22-23页 |
| 2.3.6 流形正则化 | 第23-25页 |
| 2.4 基于图的半监督学习的关键问题 | 第25-28页 |
| 2.4.1 图的构建 | 第26页 |
| 2.4.2 相似性矩阵 | 第26-28页 |
| 2.4.3 图Laplacian谱变换 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 结合均值漂移的基于图的半监督流形正则化图像分类 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 结合均值漂移的基于图的半监督图像分类算法 | 第29-34页 |
| 3.2.1 RLS算法 | 第30页 |
| 3.2.2 LapRLS | 第30-31页 |
| 3.2.3 mean shift算法平滑图像 | 第31-34页 |
| 3.2.4 结合mean shift的LapRLS图像分类算法 | 第34页 |
| 3.3 实验结果及对比分析 | 第34-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于锚点建图的半监督图像分类 | 第43-61页 |
| 4.1 引言 | 第43-44页 |
| 4.2 基于锚点建图的理论 | 第44-49页 |
| 4.2.1 基于锚点的标记预测模型设计 | 第45页 |
| 4.2.2 设计原则 | 第45-46页 |
| 4.2.3 Z矩阵的设计 | 第46-48页 |
| 4.2.4 W矩阵的设计 | 第48-49页 |
| 4.3 基于锚点建图的半监督分类算法 | 第49-50页 |
| 4.4 锚点的选择和算法流程 | 第50-53页 |
| 4.5 实验结果与分析 | 第53-60页 |
| 4.5.1 数据集的实验结果 | 第53-54页 |
| 4.5.2 图像的实验结果 | 第54-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 结论与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61-62页 |
| 5.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间研究成果 | 第73页 |