基于特征提取的非参核学习方法研究

致谢	第3-4页
摘要	第4-5页
abstract	第5页
1 绪论	第13-21页
1.1 概述	第13-17页
1.2 机器学习发展的挑战	第17-18页
1.3 主要研究内容	第18-19页
1.4 文章结构	第19-20页
1.5 本章小结	第20-21页
2 基本理论和算法	第21-34页
2.1 半监督学习	第21页
2.2 非参核学习	第21-25页
2.3 聚类分析算法	第25-26页
2.4 稀疏表示	第26-30页
2.5 自编码器	第30-32页
2.6 本章小结	第32-34页
3 基于稀疏表示的半监督低秩非参核学习算法	第34-46页
3.1 算法描述	第34页
3.2 基于稀疏表示的低秩非参核学习模型	第34-37页
3.3 实验及结论	第37-45页
3.4 本章小结	第45-46页
4 基于稀疏自编码器的半监督低秩非参核学习算法	第46-54页
4.1 算法描述	第46-48页
4.2 隐元参数和稀疏参数的影响分析	第48-49页
4.3 实验及结论	第49-53页
4.4 本章小结	第53-54页
5 结论	第54-56页
5.1 总结	第54页
5.2 展望	第54-56页
参考文献	第56-62页
作者简历	第62-64页
学位论文数据集	第64页