基于聚类分析的标签传播半监督学习研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-17页 |
| ·研究背景及意义 | 第7-9页 |
| ·国内外研究现状 | 第9-15页 |
| ·产生式模型 | 第9-11页 |
| ·自训练学习 | 第11页 |
| ·协同训练 | 第11-12页 |
| ·最大分离 | 第12-14页 |
| ·基于图的半监督学习 | 第14-15页 |
| ·本文的主要工作及结构安排 | 第15-17页 |
| ·本文的主要工作 | 第15页 |
| ·本文的组织结构 | 第15-17页 |
| 第二章 基于图的半监督学习 | 第17-26页 |
| ·图的正则化 | 第17-21页 |
| ·最小分割 | 第17-18页 |
| ·波尔兹曼机 | 第18页 |
| ·高斯随机场和调和函数 | 第18-19页 |
| ·流型正则化 | 第19-20页 |
| ·方法选择与分析 | 第20-21页 |
| ·图的构造 | 第21-23页 |
| ·全连通图 | 第21-22页 |
| ·稀疏图 | 第22-23页 |
| ·κ邻近图 | 第22页 |
| ·ε邻近图 | 第22-23页 |
| ·正切权重图 | 第23页 |
| ·指数权重图 | 第23页 |
| ·归纳学习及算法一致性 | 第23-25页 |
| ·本章小节 | 第25-26页 |
| 第三章 基于聚类分析的标签传播半监督学习研究 | 第26-43页 |
| ·标签传播算法简介 | 第26-30页 |
| ·标签传播算法 | 第26-28页 |
| ·标签传播的参数学习 | 第28-30页 |
| ·结合聚类分析的图构造算法 | 第30-35页 |
| ·聚类分析在图的构造中的应用 | 第30-33页 |
| ·结合聚类分析的标记数据聚类 | 第33-35页 |
| ·层次聚类方法 | 第33-34页 |
| ·划分式聚类方法 | 第34页 |
| ·基于网格和密度的聚类算法 | 第34-35页 |
| ·基于聚类分析的标签传播算法实验分析 | 第35-42页 |
| ·实验数据介绍 | 第35-36页 |
| ·聚类结果分析 | 第36-37页 |
| ·基于聚类分析的标签传播算法对比实验 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 结合自训练框架的标签传播半监督学习研究 | 第43-53页 |
| ·结合自训练框架的标签传播 | 第43-46页 |
| ·结合自训练框架的实验分析 | 第46-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·工作总结 | 第53-54页 |
| ·展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
