| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 多视角学习研究现状 | 第9-10页 |
| 1.2.2 模糊系统研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11页 |
| 1.4 本文的组织结构 | 第11-13页 |
| 第二章 经典TSK模糊系统概述及多视角学习工作原理 | 第13-17页 |
| 2.1 经典TSK模糊系统 | 第13-15页 |
| 2.1.1 TSK模糊分类系统 | 第13-15页 |
| 2.1.2 基于TSK-FS回归模型的分类策略 | 第15页 |
| 2.2 传统多视角学习框架 | 第15-17页 |
| 第三章 显隐信息协同的模糊系统框架及其隐空间信息的生成 | 第17-21页 |
| 3.1 显隐信息协同的模糊系统框架 | 第17页 |
| 3.2 隐空间的生成 | 第17-21页 |
| 3.2.1 隐空间的提取机制 | 第17-19页 |
| 3.2.2 隐空间及映射矩阵的求解 | 第19-20页 |
| 3.2.3 测试数据的隐空间生成方式 | 第20-21页 |
| 第四章 显隐信息协同的多视角TSK模糊系统 | 第21-41页 |
| 4.1 引言 | 第21页 |
| 4.2 显隐信息协同能力的多视角TSK模糊系统建模 | 第21-25页 |
| 4.2.1 显隐空间的协同学习 | 第22-24页 |
| 4.2.2 参数学习 | 第24页 |
| 4.2.3 显隐信息协同的理论分析 | 第24-25页 |
| 4.3 实验与分析 | 第25-41页 |
| 4.3.1 与传统单视角算法的对比 | 第27页 |
| 4.3.2 与多视角算法的对比 | 第27-30页 |
| 4.3.3 统计分析 | 第30-32页 |
| 4.3.4 隐空间效果分析 | 第32-33页 |
| 4.3.5 所提模型的范例 | 第33-41页 |
| 第五章 显隐信息协同的多视角岭回归极限学习模糊系统 | 第41-52页 |
| 5.1 引言 | 第41页 |
| 5.2 岭回归极限学习模糊系统 | 第41-43页 |
| 5.2.1 岭回归 | 第41页 |
| 5.2.2 前件生成 | 第41-42页 |
| 5.2.3 后件生成 | 第42-43页 |
| 5.3 多视角岭回归极限学习模糊系统 | 第43-47页 |
| 5.3.1 显隐信息协同的多视角岭回归极限学习模糊系统建模框架 | 第43-44页 |
| 5.3.2 具有显隐视角协同学习能力的目标函数构建 | 第44-46页 |
| 5.3.3 参数学习规则 | 第46-47页 |
| 5.4 实验结果与分析 | 第47-52页 |
| 5.4.1 实验设置 | 第47-49页 |
| 5.4.1.1 数据集描述 | 第47-48页 |
| 5.4.1.2 对比算法及实验硬件平台 | 第48-49页 |
| 5.4.2 与单视角算法对比 | 第49页 |
| 5.4.3 与多视角算法对比 | 第49-52页 |
| 主要结论与展望 | 第52-54页 |
| 主要结论 | 第52-53页 |
| 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第60页 |
