主动学习方法及其应用研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景 | 第13-15页 |
| 1.1.1 主动学习概述 | 第13页 |
| 1.1.2 主动学习分类 | 第13-14页 |
| 1.1.3 主动学习应用 | 第14-15页 |
| 1.2 主动学习面临的挑战 | 第15-20页 |
| 1.2.1 分类和回归任务中无标记样本的选择策略 | 第15-18页 |
| 1.2.2 优化任务中无标记样本的选择策略 | 第18-20页 |
| 1.3 本文的研究内容和贡献 | 第20-24页 |
| 1.3.1 地标点选择 | 第20-22页 |
| 1.3.2 超参配置 | 第22-23页 |
| 1.3.3 本文的贡献 | 第23-24页 |
| 1.4 本文的组织结构 | 第24-27页 |
| 第2章 基于主动学习的地标点选择 | 第27-47页 |
| 2.1 研究背景和意义 | 第27-28页 |
| 2.2 研究现状 | 第28页 |
| 2.3 基于高斯过程的主动学习 | 第28-33页 |
| 2.3.1 高斯过程的基本原理 | 第28-31页 |
| 2.3.2 协方差函数的选择 | 第31-32页 |
| 2.3.3 高斯过程与主动学习 | 第32-33页 |
| 2.4 LS-ALGP | 第33-36页 |
| 2.4.1 流形上地标点的选择 | 第33-34页 |
| 2.4.2 近似的目标函数 | 第34页 |
| 2.4.3 目标函数的优化 | 第34-35页 |
| 2.4.4 时间复杂度 | 第35页 |
| 2.4.5 地标点数量 | 第35-36页 |
| 2.5 实验结果与分析 | 第36-43页 |
| 2.5.1 地标点应用在分类中 | 第36-38页 |
| 2.5.2 算法运行时间比较 | 第38页 |
| 2.5.3 最近邻数量 | 第38-40页 |
| 2.5.4 地标点数量 | 第40-42页 |
| 2.5.5 单个类别的地标点 | 第42-43页 |
| 2.6 本章小结 | 第43-47页 |
| 第3章 基于主动学习的CMA-ES的超参配置 | 第47-63页 |
| 3.1 研究背景和意义 | 第47-48页 |
| 3.2 研究现状 | 第48-49页 |
| 3.3 贝叶斯优化 | 第49-52页 |
| 3.4 CMA-ES的超参c_c,c_1和c_μ | 第52-55页 |
| 3.4.1 CMA-ES概述 | 第52-54页 |
| 3.4.2 协方差矩阵更新 | 第54-55页 |
| 3.5 TPE-CMA-ES | 第55-58页 |
| 3.5.1 TPE-CMA-ES的框架 | 第55-56页 |
| 3.5.2 p(c|y)和p(y)的估计 | 第56-58页 |
| 3.5.3 基于p(c|y)和p(y)的期望提升 | 第58页 |
| 3.6 实验结果与分析 | 第58-60页 |
| 3.6.1 实验设置和超参配置 | 第59-60页 |
| 3.6.2 结果分析 | 第60页 |
| 3.7 本章小结 | 第60-63页 |
| 第4章 总结与展望 | 第63-65页 |
| 4.1 本文总结 | 第63-64页 |
| 4.2 本文展望 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 致谢 | 第73-75页 |
| 在读期间发表的学术论文与取得的研究成果 | 第75页 |
