| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.2.1 特征空间降维 | 第9-10页 |
| 1.2.2 标签空间降维 | 第10-11页 |
| 1.3 本文结构 | 第11-12页 |
| 第2章 相关工作介绍 | 第12-18页 |
| 2.1 无监督特征选择 | 第12-14页 |
| 2.1.1 多类数据的无监督特征选择(MCFS) | 第12-13页 |
| 2.1.2 鲁棒的无监督特征选择(RUFS) | 第13页 |
| 2.1.3 嵌入式的无监督特征选择(EUFS) | 第13-14页 |
| 2.2 多标记特征选择 | 第14-15页 |
| 2.2.1 基于依赖最大化的多标记降维(MDDM) | 第14页 |
| 2.2.2 基于稀疏子空间协同特征选择的网页图像标注(SFUS) | 第14-15页 |
| 2.3 标签空间降维 | 第15-18页 |
| 2.3.1 多标签输出预测的选择方法(MOPLMS) | 第15页 |
| 2.3.2 基于主标签空间转换的多标记分类(PLST) | 第15-18页 |
| 第3章 基于协同正则的无监督特征选择 | 第18-32页 |
| 3.1 无监督特征选择三要素 | 第18-19页 |
| 3.1.1 数据分布 | 第18页 |
| 3.1.2 数据重构 | 第18-19页 |
| 3.1.3 数据的局部流形结构 | 第19页 |
| 3.2 模型介绍 | 第19-20页 |
| 3.3 模型优化和算法介绍 | 第20-24页 |
| 3.4 时间复杂度和收敛性分析 | 第24-25页 |
| 3.5 实验分析 | 第25-28页 |
| 3.5.1 数据集和评价标准 | 第25-26页 |
| 3.5.2 对比算法 | 第26页 |
| 3.5.3 参数设置 | 第26-27页 |
| 3.5.4 实验结果 | 第27页 |
| 3.5.5 参数敏感性分析 | 第27-28页 |
| 3.6 结论 | 第28-32页 |
| 第4章 缺失标签环境下的多标记特征选择 | 第32-50页 |
| 4.1 问题描述 | 第32-33页 |
| 4.2 模型介绍 | 第33-34页 |
| 4.3 模型优化和算法介绍 | 第34-36页 |
| 4.4 时间复杂度和收敛性分析 | 第36-38页 |
| 4.5 实验分析 | 第38-41页 |
| 4.5.1 数据集和评价标准 | 第38-39页 |
| 4.5.2 对比算法 | 第39-40页 |
| 4.5.3 参数设置 | 第40页 |
| 4.5.4 实验结果 | 第40-41页 |
| 4.6 结论 | 第41-50页 |
| 第5章 基于字典对学习的标签空间降维 | 第50-66页 |
| 5.1 字典对学习 | 第50-51页 |
| 5.2 模型介绍 | 第51-52页 |
| 5.3 模型优化和算法介绍 | 第52-54页 |
| 5.3.1 训练过程 | 第52-53页 |
| 5.3.2 预测过程 | 第53-54页 |
| 5.4 时间复杂度和收敛性分析 | 第54页 |
| 5.5 实验分析 | 第54-56页 |
| 5.5.1 数据集和评价标准 | 第54-55页 |
| 5.5.2 对比算法 | 第55页 |
| 5.5.3 参数设置 | 第55页 |
| 5.5.4 实验结果 | 第55-56页 |
| 5.6 结论 | 第56-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 发表论文和参加科研情况说明 | 第73-74页 |
| 致谢 | 第74页 |
