一维嵌入算法在多分类问题中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究的背景和意义 | 第9-11页 |
| 1.2 国内外的研究现状 | 第11-13页 |
| 1.3 本文研究的主要内容 | 第13-16页 |
| 第2章 基础知识 | 第16-29页 |
| 2.1 机器学习 | 第16-19页 |
| 2.1.1 机器学习问题的基本表示 | 第16-17页 |
| 2.1.2 机器学习的类别 | 第17-19页 |
| 2.2 分类问题及相关算法 | 第19-28页 |
| 2.2.1 多分类器 | 第20-24页 |
| 2.2.2 二分类器解决多分类问题 | 第24-26页 |
| 2.2.3 二分类器扩展为多分类器 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 半监督学习与一维嵌入算法 | 第29-35页 |
| 3.1 半监督学习及其基本假设 | 第29页 |
| 3.2 一维嵌入算法的基本原理 | 第29-30页 |
| 3.3 一维嵌入算法实现过程 | 第30-35页 |
| 3.3.1 平滑排序 | 第30-32页 |
| 3.3.2 一维多嵌入算法 | 第32-35页 |
| 第4章 基于一维嵌入的多类分类算法 | 第35-42页 |
| 4.1 基于一维多嵌入的自适应学习算法 | 第35-37页 |
| 4.2 基于一维多嵌入的一对多分类算法 | 第37-38页 |
| 4.3 基于一维多嵌入的一对一分类算法 | 第38-42页 |
| 第5章 实验结果分析 | 第42-53页 |
| 5.1 手写字图像MNIST实验结果分析 | 第43-46页 |
| 5.2 手写字图像USPS实验结果分析 | 第46-48页 |
| 5.3 人脸图像Yale face实验结果分析 | 第48-53页 |
| 第6章 结果及展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 硕士生在读期间已发表和已录用的论文情况 | 第60页 |
