| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景和目的 | 第7页 |
| ·研究现状 | 第7-10页 |
| ·机器学习 | 第7-8页 |
| ·模式识别 | 第8-10页 |
| ·本文结构 | 第10-11页 |
| 第二章 流形学习算法 | 第11-23页 |
| ·流形概念 | 第11-12页 |
| ·线性流形学习算法 | 第12-18页 |
| ·主成分分析法（PCA） | 第12-15页 |
| ·经典多维尺度分析（CMDS） | 第15-18页 |
| ·非线性流形学习算法 | 第18-22页 |
| ·等距映射算法（Isomap） | 第18页 |
| ·局域线性嵌入（LLE） | 第18-20页 |
| ·拉普拉斯特征映像（Laplacian Eigenmaps） | 第20-21页 |
| ·自组织等距嵌入（SIE） | 第21-22页 |
| ·流形学习算法小结 | 第22-23页 |
| 第三章 流形学习算法的应用实验分析 | 第23-37页 |
| ·Matlab工具简介 | 第23-24页 |
| ·文本分类聚类实验 | 第24-33页 |
| ·文本处理方法简介 | 第24-28页 |
| ·文本分类聚类实验 | 第28-33页 |
| ·UCI数据实验 | 第33-37页 |
| ·RBF神经网络 | 第33-34页 |
| ·实验目的 | 第34-35页 |
| ·实验步骤 | 第35页 |
| ·实验数据及结论 | 第35-37页 |
| 第四章 有监督的局域主方向核重构算法 | 第37-45页 |
| ·局域主方向重构（LPDR） | 第37-39页 |
| ·有监督的局域主方向的核重构算法（SLPDK） | 第39-40页 |
| ·算法评估实验 | 第40-45页 |
| ·实验目的 | 第40-42页 |
| ·实验数据及结论 | 第42-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 发表论文和科研情况说明 | 第50-51页 |
| 致谢 | 第51页 |