基于聚类与流形正则化的分类方法研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| Extended Abstract | 第9-22页 |
| 变量注释表 | 第22-23页 |
| 1 绪论 | 第23-37页 |
| ·研究背景及意义 | 第23-24页 |
| ·国内外研究现状 | 第24-33页 |
| ·本文主要研究内容及技术路线 | 第33-35页 |
| ·本文组织结构 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 2 基本理论 | 第37-51页 |
| ·统计学习理论 | 第37-42页 |
| ·支持向量机 | 第42-46页 |
| ·核函数 | 第46-48页 |
| ·正则化方法 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 3 基于聚类的不平衡数据分类方法 | 第51-93页 |
| ·基于样本加权的可能性模糊聚类算法 | 第51-68页 |
| ·可能性模糊核聚类算法 | 第68-78页 |
| ·基于可能性模糊聚类的支持向量机 | 第78-85页 |
| ·实验结果与分析 | 第85-91页 |
| ·本章小结 | 第91-92页 |
| 参考文献 | 第92-93页 |
| 4 基于聚类的非参数核学习分类方法 | 第93-122页 |
| ·核评估标准 | 第93-96页 |
| ·典型的核学习方法 | 第96-101页 |
| ·有监督非参核学习分类方法 | 第101-109页 |
| ·无监督非参核学习分类方法 | 第109-120页 |
| ·本章小结 | 第120-121页 |
| 参考文献 | 第121-122页 |
| 5 基于流形正则化的快速分类方法 | 第122-147页 |
| ·极速学习机基础理论 | 第122-128页 |
| ·极速学习机与流形正则化框架关系定理 | 第128-135页 |
| ·流形正则化极速学习机 | 第135-138页 |
| ·实验结果及性能分析 | 第138-145页 |
| ·本章小结 | 第145-146页 |
| 参考文献 | 第146-147页 |
| 6 结论与展望 | 第147-149页 |
| ·总结 | 第147-148页 |
| ·展望 | 第148-149页 |
| 参考文献 | 第149-163页 |
| 作者简历 | 第163-165页 |
| 学位论文数据集 | 第165页 |
