| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 特征学习的研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 主要研究方法 | 第10-11页 |
| 1.2.2 主要面临的挑战 | 第11-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 相关研究工作 | 第14-20页 |
| 2.1 多任务特征学习 | 第14-17页 |
| 2.1.1 前期融合 | 第15-17页 |
| 2.1.2 后期融合 | 第17页 |
| 2.1.3 结构化学习 | 第17页 |
| 2.2 多视角特征学习 | 第17-19页 |
| 2.2.1 Co-training | 第18页 |
| 2.2.2 pairwise策略与non-pairwise策略 | 第18页 |
| 2.2.3 隐变量 | 第18-19页 |
| 2.3 多任务多视角特征学习 | 第19-20页 |
| 第3章 类特定的多视角特征选择 | 第20-34页 |
| 3.1 理论框架 | 第20-22页 |
| 3.2 形式化表示与优化求解 | 第22-24页 |
| 3.3 实验验证 | 第24-32页 |
| 3.3.1 数据集 | 第24-26页 |
| 3.3.2 对比算法 | 第26页 |
| 3.3.3 实验设置 | 第26-27页 |
| 3.3.4 对比结果 | 第27-29页 |
| 3.3.5 多视角对比试验 | 第29-30页 |
| 3.3.6 多任务对比实验 | 第30页 |
| 3.3.7 复杂度分析 | 第30-31页 |
| 3.3.8 稳定性和参数选择 | 第31-32页 |
| 3.4 小结 | 第32-34页 |
| 第4章 判别的多任务多视角特征融合 | 第34-46页 |
| 4.1 理论框架 | 第34-35页 |
| 4.2 形式化表示与优化求解 | 第35-39页 |
| 4.2.1 优化求解 | 第37-38页 |
| 4.2.2 优化求解 | 第38页 |
| 4.2.3 优化求解 | 第38-39页 |
| 4.3 实验验证 | 第39-43页 |
| 4.3.1 数据集与设置 | 第39页 |
| 4.3.2 对比算法 | 第39-40页 |
| 4.3.3 对比结果 | 第40-41页 |
| 4.3.4 特征维度选择 | 第41页 |
| 4.3.5 特征数量选择 | 第41-42页 |
| 4.3.6 样本数量实验 | 第42-43页 |
| 4.3.7 参数选择 | 第43页 |
| 4.4 小结 | 第43-46页 |
| 第5章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 发表论文和参加科研情况说明 | 第52-54页 |
| 致谢 | 第54-55页 |