基于核策略的半监督学习方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 引言 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文工作与组织结构 | 第11-13页 |
| 第2章 预备知识 | 第13-21页 |
| ·半监督学习方法 | 第13-16页 |
| ·半监督学习中常用的算法 | 第13-15页 |
| ·半监督学习方法的应用 | 第15-16页 |
| ·典型相关分析(CCA) | 第16-18页 |
| ·CCA 的基本思想 | 第16页 |
| ·CCA 的问题刻画 | 第16-17页 |
| ·CCA 的求解 | 第17-18页 |
| ·核函数 | 第18-19页 |
| ·核函数的原理 | 第18页 |
| ·核函数的种类 | 第18-19页 |
| ·核函数的特点 | 第19页 |
| ·相似矩阵 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于核的半监督学习研究 | 第21-30页 |
| ·GCM 算法与核的选择 | 第22-24页 |
| ·GCM 算法 | 第22-23页 |
| ·核方法的选择 | 第23-24页 |
| ·实验研究 | 第24-29页 |
| ·实验数据与实验方法 | 第24-25页 |
| ·实验结果与分析 | 第25-29页 |
| ·结论 | 第29-30页 |
| 第4章 基于Semi-KCCA 的半监督学习研究 | 第30-40页 |
| ·典型相关分析简介 | 第30页 |
| ·核典型相关分析(KCCA)的思想 | 第30-31页 |
| ·Semi-KCCA | 第31-34页 |
| ·Semi-KCCA 问题描述 | 第31-32页 |
| ·Semi-KCCA 算法 | 第32-34页 |
| ·实验研究 | 第34-39页 |
| ·手写体识别实验 | 第34-37页 |
| ·人脸识别实验 | 第37-39页 |
| ·结论 | 第39-40页 |
| 第5章 CM 算法收敛性研究 | 第40-48页 |
| ·回顾CM 算法 | 第40-41页 |
| ·CM 收敛性的证明 | 第41-45页 |
| ·CM 变形公式的证明 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第6章 结论与展望 | 第48-50页 |
| ·工作总结 | 第48页 |
| ·工作展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间科研工作情况 | 第54页 |
