基于半监督学习的特征降维方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 特征降维方法研究现状 | 第16-18页 |
| 1.2.2 半监督学习研究现状 | 第18-19页 |
| 1.3 论文内容及章节安排 | 第19-21页 |
| 第二章 特征降维方法概述 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 无监督特征降维概述 | 第21-24页 |
| 2.2.1 无监督特征降维基本原理 | 第21-22页 |
| 2.2.2 主成分分析 | 第22-23页 |
| 2.2.3 局部保持投影 | 第23-24页 |
| 2.3 有监督特征降维概述 | 第24-28页 |
| 2.3.1 有监督特征降维基本原理 | 第24-25页 |
| 2.3.2 线性判别分析 | 第25-26页 |
| 2.3.3 局部线性判别分析 | 第26-28页 |
| 2.4 半监督特征降维概述 | 第28-35页 |
| 2.4.1 半监督特征降维基本原理 | 第28-30页 |
| 2.4.2 半监督判别分析 | 第30-31页 |
| 2.4.3 直推式成分分析 | 第31-33页 |
| 2.4.4 半监督局部费舍尔判别分析 | 第33-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 基于判别式分析的直推式特征降维方法 | 第37-53页 |
| 3.1 引言 | 第37页 |
| 3.2 直推式局部费舍尔判别分析 | 第37-45页 |
| 3.2.1 算法描述 | 第37-39页 |
| 3.2.2 实验结果与分析 | 第39-45页 |
| 3.3 直推式局部判别分析 | 第45-52页 |
| 3.3.1 算法描述 | 第45-47页 |
| 3.3.2 实验结果与分析 | 第47-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 基于有监督图的直推式特征降维方法 | 第53-67页 |
| 4.1 引言 | 第53页 |
| 4.2 有监督投影图 | 第53-59页 |
| 4.2.1 传统构图策略 | 第53-55页 |
| 4.2.2 构建有监督投影图 | 第55-59页 |
| 4.3 直推式局部保持投影 | 第59-65页 |
| 4.3.1 算法描述 | 第59-60页 |
| 4.3.2 实验结果与分析 | 第60-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 全文总结 | 第67-68页 |
| 5.2 未来展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 作者简介 | 第77-78页 |
