超图低秩属性选择多输出回归算法
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 选题及研究背景 | 第8-9页 |
| 1.2 数据挖据过程概述 | 第9-10页 |
| 1.3 研究现状 | 第10-11页 |
| 1.4 本文研究内容和组织框架 | 第11-13页 |
| 第二章 相关技术介绍 | 第13-21页 |
| 2.1 属性选择 | 第13-15页 |
| 2.2 超图简介 | 第15-16页 |
| 2.3 稀疏学习 | 第16-17页 |
| 2.4 子空间学习 | 第17-18页 |
| 2.5 回归分析 | 第18-21页 |
| 2.5.1 回归分析的介绍 | 第18-19页 |
| 2.5.2 回归分析的应用 | 第19-21页 |
| 第三章 结合子空间学习和属性选择 | 第21-28页 |
| 3.1 算法背景 | 第21页 |
| 3.2 LS_FS算法描述及优化 | 第21-24页 |
| 3.2.1 算法描述 | 第21-22页 |
| 3.2.2 算法优化 | 第22-24页 |
| 3.3 实验结果和分析 | 第24-27页 |
| 3.3.1 实验数据和评价指标 | 第24-25页 |
| 3.3.2 实验结果分析 | 第25-27页 |
| 3.4 本章总结 | 第27-28页 |
| 第四章 超图低秩属性选择用于多输出回归 | 第28-40页 |
| 4.1 算法背景 | 第28-29页 |
| 4.2 HLF_MR算法描述及优化 | 第29-33页 |
| 4.2.1 算法描述 | 第29-30页 |
| 4.2.2 算法优化 | 第30-33页 |
| 4.3 实验结果和分析 | 第33-39页 |
| 4.3.1 实验数据和评价指标 | 第33-35页 |
| 4.3.2 实验结果分析 | 第35-39页 |
| 4.4 本章总结 | 第39-40页 |
| 第五章 总结与展望 | 第40-42页 |
| 5.1 全文总结 | 第40页 |
| 5.2 展望 | 第40-42页 |
| 参考文献 | 第42-48页 |
| 致谢 | 第48-49页 |
