| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 选题研究背景及意义 | 第14-15页 |
| 1.2 半监督学习概述 | 第15-18页 |
| 1.2.1 半监督学习 | 第15页 |
| 1.2.2 半监督学习方法 | 第15-16页 |
| 1.2.3 基于图的半监督学习概述 | 第16-18页 |
| 1.3 本论文研究内容及安排 | 第18-20页 |
| 第二章 基于图的半监督分类方法 | 第20-30页 |
| 2.1 图的构建 | 第20-25页 |
| 2.1.1 近邻图 | 第20-22页 |
| 2.1.2 局部线性重建图 | 第22页 |
| 2.1.3 稀疏表示构图 | 第22-24页 |
| 2.1.4 低秩表示构图 | 第24-25页 |
| 2.2 基于图的半监督学习方法 | 第25-27页 |
| 2.2.1 基于高斯随机场和调和函数的方法 | 第25-26页 |
| 2.2.2 标签传播算法 | 第26-27页 |
| 2.3 总结 | 第27-30页 |
| 第三章 基于非负低秩稀疏描述的自适应半监督学习 | 第30-50页 |
| 3.1 稀疏表示 | 第30-31页 |
| 3.2 低秩表示 | 第31-32页 |
| 3.3 基于非负低秩稀疏描述的自适应半监督学习 | 第32-38页 |
| 3.3.1 非负低秩稀疏表示 | 第32-34页 |
| 3.3.2 非负低秩稀疏表示图 | 第34-35页 |
| 3.3.3 基于非负低秩稀疏表示图的自适应半监督分类算法 | 第35-38页 |
| 3.4 实验仿真与分析 | 第38-49页 |
| 3.4.1 数据库的介绍 | 第38-39页 |
| 3.4.2 实验仿真结果 | 第39-48页 |
| 3.4.3 实验结果分析 | 第48-49页 |
| 3.5 总结 | 第49-50页 |
| 第四章 基于稀疏描述的半监督判别分析算法 | 第50-62页 |
| 4.1 基于稀疏描述的Fisher判别准则算法 | 第50-55页 |
| 4.1.1 基于稀疏描述的判别投影 | 第50-52页 |
| 4.1.2 线性判别分析 | 第52-53页 |
| 4.1.3 基于稀疏描述的Fisher判别准则算法 | 第53-55页 |
| 4.2 基于稀疏描述的半监督判别分析算法 | 第55-56页 |
| 4.3 实验仿真与分析 | 第56-60页 |
| 4.3.1 实验仿真结果 | 第57-60页 |
| 4.3.2 实验结果分析 | 第60页 |
| 4.4 总结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |