| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景与意义 | 第8页 |
| ·半监督学习 | 第8-13页 |
| ·半监督学习的背景和意义 | 第8-10页 |
| ·半监督分类 | 第10-12页 |
| ·半监督聚类 | 第12-13页 |
| ·论文的主要工作及内容安排 | 第13-16页 |
| 第二章 基于图的半监督学习算法简介 | 第16-24页 |
| ·基于图的半监督学习概述 | 第16-17页 |
| ·常见的几种基于图的半监督学习方法 | 第17-20页 |
| ·图的最小切算法(MinCut) | 第17-18页 |
| ·基于高斯域(gaussian fields)和调和函数(harmonic functions)的方法 | 第18-19页 |
| ·局部和全局一致性方法 | 第19-20页 |
| ·流形正则化(manifold regularization)方法 | 第20页 |
| ·几种经典的图的构建方法 | 第20-22页 |
| ·全连接图 | 第21页 |
| ·近邻图 | 第21页 |
| ·局部自适应图 | 第21-22页 |
| ·l_1-图 | 第22页 |
| ·本章小结 | 第22-24页 |
| 第三章 基于判别图的半监督分类算法 | 第24-42页 |
| ·引言 | 第24页 |
| ·基于判别图的半监督分类 | 第24-30页 |
| ·判别图的构建 | 第24-26页 |
| ·标签传播 | 第26-27页 |
| ·收敛性分析 | 第27-28页 |
| ·则化框架 | 第28-29页 |
| ·推广到out-of-sample数据 | 第29-30页 |
| ·实验结果与分析 | 第30-41页 |
| ·手写体数字识别 | 第30-32页 |
| ·人脸识别 | 第32-33页 |
| ·高光谱遥感图像分类 | 第33-39页 |
| ·参数对算法性能的影响 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于l_1-图的半监督谱聚类SAR图像分割 | 第42-60页 |
| ·引言 | 第42-43页 |
| ·纹理特征提取 | 第43-44页 |
| ·基于灰度共生矩阵的特征 | 第43页 |
| ·基于非下采样小波分解的特征 | 第43-44页 |
| ·谱聚类 | 第44-45页 |
| ·基于l_1图的半监督谱聚类 | 第45-48页 |
| ·l_1-图 | 第45-46页 |
| ·半监督策略 | 第46-47页 |
| ·基于l_1图的半监督谱聚类 | 第47-48页 |
| ·实验结果与分析 | 第48-59页 |
| ·在UCI数据集上实验 | 第48-50页 |
| ·合成纹理图像分割 | 第50-54页 |
| ·SAR图像分割 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 半监督PSO分类 | 第60-74页 |
| ·引言 | 第60页 |
| ·PSO分类算法 | 第60-61页 |
| ·半监督PSO分类算法 | 第61-64页 |
| ·一种经典的PSO分类算法 | 第61-63页 |
| ·半监督PSO分类算法 | 第63-64页 |
| ·实验结果与分析 | 第64-72页 |
| ·UCI数据集分类 | 第65-67页 |
| ·USPS手写体识别 | 第67-69页 |
| ·高光谱遥感图像分类 | 第69-71页 |
| ·参数β对算法性能的影响 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·论文总结 | 第74页 |
| ·展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 硕士期间完成的学术成果 | 第84页 |
