| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究内容背景及意义 | 第13页 |
| 1.2 文献综述及研究成果 | 第13-14页 |
| 1.3 本文概述及主要贡献 | 第14-17页 |
| 1.3.1 本文研究内容 | 第14-15页 |
| 1.3.2 本文主要贡献 | 第15页 |
| 1.3.3 本文结构 | 第15-17页 |
| 第二章 序回归技术发展回顾 | 第17-27页 |
| 2.1 序回归问题定义和评估指标 | 第17页 |
| 2.2 基于有监督学习方式的序回归技术 | 第17-22页 |
| 2.2.1 直接用传统分类或回归方法处理的序回归技术 | 第18-19页 |
| 2.2.2 先分解成二分类问题再进行处理的序同归技术 | 第19-20页 |
| 2.2.3 拓展传统分类模型引入序信息的序回归技术 | 第20-22页 |
| 2.3 基于半监督学习方式的序回归技术 | 第22-23页 |
| 2.4 基于演化算法的序回归技术 | 第23-24页 |
| 2.4.1 演化算法及演化机器学习 | 第23-24页 |
| 2.4.2 演化算法在序回归问题中的应用 | 第24页 |
| 2.5 发展趋势及不足 | 第24-25页 |
| 2.6 小结 | 第25-27页 |
| 第三章 基于加权核判别分析的半监督序回归技术 | 第27-37页 |
| 3.1 半监督序回归问题定义 | 第27页 |
| 3.2 半监督学习 | 第27页 |
| 3.3 KDLOR算法回顾 | 第27-29页 |
| 3.4 基于加权核判别分析的半监督序回归算法 | 第29-33页 |
| 3.4.1 估计无标签数据对每个类别的隶属度 | 第30-31页 |
| 3.4.2 基于加权核判别分析的半监督序回归算法 | 第31-33页 |
| 3.5 实验验证 | 第33-36页 |
| 3.5.1 实验设置 | 第33页 |
| 3.5.2 合成数据集 | 第33-34页 |
| 3.5.3 真实数据集 | 第34-36页 |
| 3.6 小结 | 第36-37页 |
| 第四章 基于演化算法的半监督序回归技术 | 第37-47页 |
| 4.1 基于演化算法的半监督核判别分析序回归算法 | 第37-43页 |
| 4.1.1 个体表示 | 第37-39页 |
| 4.1.2 适应度函数 | 第39-40页 |
| 4.1.3 差分进化 | 第40-43页 |
| 4.2 实验验证 | 第43-45页 |
| 4.2.1 实验设置 | 第43页 |
| 4.2.2 处理大数据 | 第43-44页 |
| 4.2.3 实验结果 | 第44-45页 |
| 4.3 小结 | 第45-47页 |
| 第五章 总结 | 第47-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-57页 |
| 在读期间发表的学术论文与取得的研究成果 | 第57页 |
