| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 论文的研究背景及意义 | 第10-11页 |
| 1.2 课题研究现状 | 第11-13页 |
| 1.2.1 半监督线性判别分析的研究现状 | 第11-12页 |
| 1.2.2 不完全数据预测的研究现状 | 第12-13页 |
| 1.3 论文结构安排 | 第13-15页 |
| 第2章 基础知识 | 第15-32页 |
| 2.1 半监督线性判别分析 | 第15-23页 |
| 2.1.1 线性判别分析(LDA) | 第15-18页 |
| 2.1.2 半监督学习 | 第18-21页 |
| 2.1.3 改进的线性判别分析方法 | 第21-23页 |
| 2.2 不完全数据预测 | 第23-25页 |
| 2.2.1 不完全数据产生的原因 | 第23-24页 |
| 2.2.2 不完全数据预测的方法 | 第24-25页 |
| 2.3 常用的分类算法简介 | 第25-30页 |
| 2.3.1 K最近邻算法(KNN) | 第25-26页 |
| 2.3.2 支持向量机(SVM) | 第26-29页 |
| 2.3.3 决策树算法 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 基于半监督类别信息的线性判别降维方法 | 第32-43页 |
| 3.1 正则化线性判别分析 | 第32-34页 |
| 3.2 半监督线性判别降维方法 | 第34-37页 |
| 3.3 实验与分析 | 第37-42页 |
| 3.3.1 人脸数据集实验结果与分析 | 第37-41页 |
| 3.3.2 UCI数据集实验结果与分析 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 不完全数据的半监督线性判别降维方法 | 第43-51页 |
| 4.1 基于半监督线性判别分析的不完全数据降维 | 第43-44页 |
| 4.2 粒子群优化算法简介 | 第44-45页 |
| 4.3 不完全数据降维的粒子群优化算法 | 第45-46页 |
| 4.4 实验与分析 | 第46-49页 |
| 4.4.1 Iris和Zoo数据集实验结果及分析 | 第46-48页 |
| 4.4.2 Abalone和Skin数据集实验结果及分析 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |