| 摘要 | 第11-13页 |
| Abstract | 第13-15页 |
| 主要数学符号列表 | 第16-17页 |
| 第一章 绪论 | 第17-31页 |
| 1.1 研究背景、动机及意义 | 第17-19页 |
| 1.2 国内外相关研究现状 | 第19-27页 |
| 1.2.1 半监督学习 | 第19-22页 |
| 1.2.2 在线学习 | 第22-24页 |
| 1.2.3 在线半监督学习 | 第24-26页 |
| 1.2.4 研究现状评述 | 第26-27页 |
| 1.3 论文的主要工作 | 第27-29页 |
| 1.4 论文的组织结构 | 第29-31页 |
| 第二章 在线半监督学习框架模型 | 第31-48页 |
| 2.1 引言 | 第31页 |
| 2.2 基于正则化理论的半监督学习 | 第31-37页 |
| 2.2.1 逆问题与正则化 | 第31-35页 |
| 2.2.2 基于正则化理论的半监督学习方法 | 第35-37页 |
| 2.3 在线半监督学习框架模型 | 第37-47页 |
| 2.3.1 问题描述与基本假设 | 第38-39页 |
| 2.3.2 基于Fenchel conjugate的对偶变换 | 第39-41页 |
| 2.3.3 基于对偶提升过程的在线半监督学习框架模型 | 第41-44页 |
| 2.3.4 模型分析 | 第44-47页 |
| 2.4 本章小结 | 第47-48页 |
| 第三章 在线流形正则化 | 第48-78页 |
| 3.1 引言 | 第48页 |
| 3.2 基本问题描述与模型定义 | 第48-51页 |
| 3.2.1 半监督学习中流形正则化问题的数学描述 | 第48-50页 |
| 3.2.2 模型定义 | 第50-51页 |
| 3.3 在线流形正则化算法框架 | 第51-56页 |
| 3.3.1 Fenchel对偶变换 | 第51-53页 |
| 3.3.2 流形正则化的对偶问题 | 第53-55页 |
| 3.3.3 基于对偶提升过程的在线流形正则化算法框架 | 第55-56页 |
| 3.4 基于梯度提升的在线流形正则化算法 | 第56-62页 |
| 3.4.1 样本关联更新 | 第56-58页 |
| 3.4.2 整体更新 | 第58-61页 |
| 3.4.3 两步更新 | 第61-62页 |
| 3.5 核函数与稀疏化 | 第62-64页 |
| 3.5.1 核函数 | 第62-63页 |
| 3.5.2 稀疏化 | 第63-64页 |
| 3.6 与以往工作之间的区别和联系 | 第64-67页 |
| 3.6.1 对偶提升过程 | 第64-65页 |
| 3.6.2 随机梯度下降 | 第65-67页 |
| 3.7 算法应用与分析 | 第67-76页 |
| 3.7.1 数据集与实验方法 | 第67-69页 |
| 3.7.2 计算复杂度 | 第69-71页 |
| 3.7.3 错误率 | 第71-73页 |
| 3.7.4 其它实验结果与分析 | 第73-76页 |
| 3.8 本章小结与讨论 | 第76-78页 |
| 第四章 在线协同正则化 | 第78-106页 |
| 4.1 引言 | 第78页 |
| 4.2 基本问题描述与模型定义 | 第78-83页 |
| 4.2.1 半监督学习中协同正则化问题的数学描述 | 第78-81页 |
| 4.2.2 模型定义 | 第81-83页 |
| 4.3 在线协同正则化算法框架 | 第83-88页 |
| 4.3.1 多变量Fenchel对偶变换 | 第83-85页 |
| 4.3.2 协同正则化的对偶问题 | 第85-87页 |
| 4.3.3 基于对偶提升过程的在线协同正则化算法框架 | 第87-88页 |
| 4.4 对以往工作中在线协同正则化算法的分析 | 第88-90页 |
| 4.5 基于贪婪提升的在线协同正则化算法 | 第90-94页 |
| 4.5.1 基于单样本的贪婪提升 | 第90-91页 |
| 4.5.2 基于多样本的贪婪提升 | 第91-94页 |
| 4.6 多视图中的核函数与稀疏化 | 第94-96页 |
| 4.6.1 e tolerance | 第94-95页 |
| 4.6.2 多视图k最大对偶系数法 | 第95-96页 |
| 4.7 算法应用与分析 | 第96-105页 |
| 4.7.1 Two-moons-two-lines数据集 | 第96-98页 |
| 4.7.2 网页分类 | 第98-99页 |
| 4.7.3 Rotating two-moons-two-lines数据流 | 第99-101页 |
| 4.7.4 其它实验结果与分析 | 第101-105页 |
| 4.8 本章小结与讨论 | 第105-106页 |
| 第五章 在线半监督支持向量机 | 第106-127页 |
| 5.1 引言 | 第106页 |
| 5.2 基本问题描述与模型定义 | 第106-109页 |
| 5.3 在线半监督支持向量机算法框架 | 第109-115页 |
| 5.3.1 凹凸过程及问题转化 | 第109-112页 |
| 5.3.2 对偶问题及其分析 | 第112-114页 |
| 5.3.3 基于对偶提升过程的在线半监督支持向量机算法框架 | 第114-115页 |
| 5.4 两种在线半监督支持向量机算法 | 第115-117页 |
| 5.4.1 基于贪婪提升的在线半监督支持向量机算法 | 第115-117页 |
| 5.4.2 基于LCCCP的在线半监督支持向量机算法 | 第117页 |
| 5.5 与以往工作之间的区别和联系 | 第117-119页 |
| 5.5.1 S3VMs问题模型 | 第117-118页 |
| 5.5.2 对偶提升过程 | 第118-119页 |
| 5.6 算法应用与分析 | 第119-125页 |
| 5.6.1 数据集与实验方法 | 第119-120页 |
| 5.6.2 计算复杂度 | 第120-121页 |
| 5.6.3 错误率 | 第121-123页 |
| 5.6.4 其它实验结果与分析 | 第123-125页 |
| 5.7 本章小结 | 第125-127页 |
| 第六章 在线多重正则化 | 第127-143页 |
| 6.1 引言 | 第127页 |
| 6.2 基本问题描述与模型定义 | 第127-130页 |
| 6.2.1 半监督学习中多重正则化问题的数学描述 | 第127-128页 |
| 6.2.2 模型定义 | 第128-130页 |
| 6.3 在线多重正则化算法框架 | 第130-133页 |
| 6.3.1 多重正则化的对偶问题 | 第130-132页 |
| 6.3.2 基于对偶提升过程的在线多重正则化算法框架 | 第132-133页 |
| 6.4 两种在线多重正则化算法 | 第133-136页 |
| 6.4.1 基于梯度提升的在线多重正则化算法 | 第133-135页 |
| 6.4.2 基于贪婪提升的在线多重正则化算法 | 第135-136页 |
| 6.5 算法应用与分析 | 第136-142页 |
| 6.5.1 Two-moons-two-lines数据集 | 第137-138页 |
| 6.5.2 Web KB数据集 | 第138-139页 |
| 6.5.3 Rotating two-moons-two-lines数据流 | 第139页 |
| 6.5.4 其它实验结果与分析 | 第139-142页 |
| 6.6 本章小结 | 第142-143页 |
| 第七章 结论与展望 | 第143-146页 |
| 7.1 工作总结 | 第143-144页 |
| 7.2 研究展望 | 第144-146页 |
| 致谢 | 第146-147页 |
| 参考文献 | 第147-158页 |
| 作者在学期间取得的学术成果 | 第158-159页 |
| 作者在学期间参与的科研项目 | 第159-160页 |
| 附录A Fenchel Conjugate | 第160-162页 |
| A.1 Fenchel conjugate的定义 | 第160页 |
| A.2 Fenchel conjugate的重要性质 | 第160-161页 |
| A.3 一些重要函数的Fenchel conjugate | 第161-162页 |
