一种基于李群的半监督学习算法及应用研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-18页 |
| ·半监督学习研究现状 | 第7-15页 |
| ·Self-training 算法 | 第7-8页 |
| ·生成式模型算法 | 第8-10页 |
| ·Co-training 算法和多视图学习 | 第10-12页 |
| ·TSVM 算法 | 第12-14页 |
| ·基于图的算法 | 第14-15页 |
| ·问题提出 | 第15-17页 |
| ·研究目标及内容安排 | 第17-18页 |
| 第二章 相关理论基础 | 第18-29页 |
| ·李群 | 第18-24页 |
| ·李群概念 | 第18-19页 |
| ·李代数 | 第19-21页 |
| ·李群的生成元 | 第21-24页 |
| ·线性李群 | 第24-25页 |
| ·参数李群 | 第25-28页 |
| ·参数李群的概念 | 第25页 |
| ·单参数子群与指数映射 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于李群的半监督学习模型 | 第29-35页 |
| ·半监督学习中李群的表示 | 第29-30页 |
| ·基于李群代数结构的半监督学习模型 | 第30-31页 |
| ·基于李群几何结构的半监督学习模型 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于线性李群的半监督学习算法 | 第35-46页 |
| ·一般线性群 | 第35-38页 |
| ·基于线性李群的半监督学习算法 | 第38-42页 |
| ·线性李群的算子生成元 | 第38-40页 |
| ·算法描述 | 第40-41页 |
| ·算法分析 | 第41-42页 |
| ·实验 | 第42-45页 |
| ·药物活性数据集 | 第42-43页 |
| ·预测结果 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于参数李群的半监督学习算法 | 第46-57页 |
| ·样本数据表示方法 | 第46-47页 |
| ·基于参数李群的半监督学习算法 | 第47-51页 |
| ·参数李群的矩阵生成元 | 第47-49页 |
| ·算法描述 | 第49-50页 |
| ·算法分析 | 第50-51页 |
| ·实验 | 第51-56页 |
| ·半监督降维 | 第51-52页 |
| ·UCI 数据集 | 第52页 |
| ·实验结果 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 应用实例 | 第57-69页 |
| ·计算机辅助的化合物毒性预测方法 | 第57-58页 |
| ·药物毒性预测的理论基础 | 第58-60页 |
| ·分子描述符 | 第58-59页 |
| ·分子描述符的种类 | 第59-60页 |
| ·药物毒性分类器的设计 | 第60-62页 |
| ·变量筛选 | 第60-61页 |
| ·训练集的设计 | 第61页 |
| ·预测结果评价 | 第61-62页 |
| ·毒性预测分类模型的实验 | 第62-68页 |
| ·数据准备 | 第62-63页 |
| ·系统实现 | 第63-67页 |
| ·实验结果 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第七章 结论与展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 附录 | 第76-78页 |
| 科研情况 | 第76页 |
| 论文发表情况 | 第76页 |
| 中英文名词对照 | 第76-78页 |
| 致谢 | 第78-79页 |
| 详细摘要 | 第79-81页 |
