面向高维复杂数据的降维算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 数据降维研究现状 | 第16-20页 |
| 1.2.1 线性数据降维 | 第16-17页 |
| 1.2.2 非线性数据降维 | 第17-18页 |
| 1.2.3 数据降维研究进展 | 第18-20页 |
| 1.3 研究内容及章节 | 第20-23页 |
| 第二章 基于密集子图检测的维度选择算法 | 第23-33页 |
| 2.1 引言 | 第23页 |
| 2.2 密集子图检测 | 第23-25页 |
| 2.2.1 图密度定义 | 第24页 |
| 2.2.2 子图收缩原理 | 第24页 |
| 2.2.3 子图扩张原理 | 第24-25页 |
| 2.3 基于密集子图检测判别性特征提取算法 | 第25-28页 |
| 2.3.1 维度选择准则定义 | 第26-27页 |
| 2.3.2 图模型构造 | 第27-28页 |
| 2.3.3 判别性特征选择 | 第28页 |
| 2.4 实验结果及分析 | 第28-32页 |
| 2.4.1 实验设置 | 第28-29页 |
| 2.4.2 单算法维度选择 | 第29-30页 |
| 2.4.3 多算法维度选择 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 局部判别性广义特征向量提取算法 | 第33-47页 |
| 3.1 引言 | 第33页 |
| 3.2 多分类广义特征向量提取 | 第33-35页 |
| 3.3 局部判别性广义特征向量提取 | 第35-38页 |
| 3.3.1 局部信号和噪声定义 | 第35-36页 |
| 3.3.2 信噪比目标函数构造 | 第36-37页 |
| 3.3.3 分层结构构造 | 第37-38页 |
| 3.3.4 计算复杂度分析 | 第38页 |
| 3.4 实验结果及分析 | 第38-45页 |
| 3.4.1 实验设置 | 第38-39页 |
| 3.4.2 MNIST数据库 | 第39-43页 |
| 3.4.3 Covertype数据库 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于吉布斯采样的结构化PFC算法 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 流形结构学习 | 第47-50页 |
| 4.2.1 拉普拉斯特征映射 | 第48页 |
| 4.2.2 局部线性嵌入 | 第48-49页 |
| 4.2.3 随机邻域嵌入 | 第49-50页 |
| 4.3 结构化PFC算法 | 第50-54页 |
| 4.3.1 基本思想 | 第50-51页 |
| 4.3.2 PFC模型构造 | 第51-52页 |
| 4.3.3 吉布斯采样优化模型 | 第52-53页 |
| 4.3.4 特征投影矩阵计算 | 第53-54页 |
| 4.4 实验结果及分析 | 第54-58页 |
| 4.4.1 实验设置 | 第54页 |
| 4.4.2 参数设置 | 第54-55页 |
| 4.4.3 实验结果分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 研究总结 | 第59-60页 |
| 5.2 研究展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 作者简介 | 第67-68页 |
