结构半监督学习算法及其应用研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-23页 |
| ·半监督学习研究进展 | 第8-21页 |
| ·半监督学习的基本问题 | 第9-11页 |
| ·生成式模型 | 第11-12页 |
| ·Self-Training 算法 | 第12-13页 |
| ·Co-Training 算法 | 第13-16页 |
| ·直推支持向量机 | 第16-17页 |
| ·基于图的方法 | 第17-20页 |
| ·半监督学习算法的选择 | 第20-21页 |
| ·研究内容安排 | 第21-23页 |
| 第二章 结构半监督学习算法 | 第23-32页 |
| ·一种嵌入先验知识的相似性度量学习算法 | 第23-29页 |
| ·相似性度量的一般方法 | 第23-25页 |
| ·图像间的相似性度量方法 | 第25-26页 |
| ·一种嵌入先验知识的相似性度量算法 | 第26-29页 |
| ·基于图的协同训练算法 | 第29-31页 |
| ·协同训练中分类器的选择 | 第29-30页 |
| ·基于图的协同训练算法有效性分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 相似性度量学习算法在图像检索中的应用 | 第32-53页 |
| ·图像检索基础 | 第32-46页 |
| ·图像的特征表示 | 第34-41页 |
| ·用户反馈信息 | 第41-43页 |
| ·检索效果评价方法 | 第43-46页 |
| ·嵌入知识相似性度量学习算法实验分析 | 第46-52页 |
| ·基于图的半监督学习模型 | 第46-47页 |
| ·基于知识空间的噪声消减 | 第47-49页 |
| ·实验结果分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 协同结构学习算法在图像检索中的应用 | 第53-57页 |
| ·测试数据集的利用 | 第53-54页 |
| ·图像特征量化 | 第54-55页 |
| ·系统设计与实现 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于相异性和不变特征的半监督图像检索 | 第57-65页 |
| ·半监督学习框架 | 第57-58页 |
| ·图像检索系统的语义 | 第58-59页 |
| ·图像的不变特征 | 第59-60页 |
| ·扩大检索结果相异度的方法 | 第60-62页 |
| ·系统设计与实验分析 | 第62-64页 |
| ·本章小节 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·将来的工作 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 附录 | 第73-75页 |
| 科研情况 | 第73页 |
| 论文发表情况 | 第73页 |
| 中英文名词对照 | 第73-75页 |
| 致谢 | 第75-76页 |
