| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-16页 |
| ·国内外研究现状 | 第10-12页 |
| ·研究背景 | 第12-13页 |
| ·主要研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 2 流形学习及主要降维算法介绍 | 第16-38页 |
| ·流形学习 | 第16-17页 |
| ·什么是流形 | 第16-17页 |
| ·对流形学习的理解 | 第17页 |
| ·主要的流形学习降维方法 | 第17-34页 |
| ·线性流形学习降维方法 | 第17-23页 |
| ·非线性流形学习方法 | 第23-30页 |
| ·非线性降维方法的比较 | 第30-34页 |
| ·流形学习算法总结 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 3 基于 LLE 算法的研究与改进 | 第38-50页 |
| ·基于核方法的自适应邻域大小的LLE 算法 | 第38-47页 |
| ·LLE 算法回顾及核的引入 | 第38-46页 |
| ·KANNLLE 算法的提出 | 第46-47页 |
| ·LLE、ANNLLE、 KANNLLE 的算法关系分析 | 第47-48页 |
| ·本章小节 | 第48-50页 |
| 4 基于 KANNLLE 算法的实例应用及分析 | 第50-57页 |
| ·数据集来源及介绍 | 第50-52页 |
| ·KANNLLE 算法在聚类分析中的应用 | 第52-53页 |
| ·结果分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 5 总结和展望 | 第57-59页 |
| ·全文总结 | 第57-58页 |
| ·下一步工作 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 个人简历 | 第64页 |
| 发表的学术论文 | 第64页 |