| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-19页 |
| ·选题背景及研究意义 | 第9-11页 |
| ·半监督分类的概念及基本假设 | 第11-12页 |
| ·半监督分类的概念 | 第11页 |
| ·半监督分类的基本假设 | 第11-12页 |
| ·大规模半监督分类的研究进展与发展方向 | 第12-16页 |
| ·大规模半监督分类研究进展 | 第12-16页 |
| ·大规模半监督分类的发展方向 | 第16页 |
| ·本文的研究内容 | 第16-17页 |
| ·本文的组织 | 第17-19页 |
| 第二章 相关理论及方法 | 第19-31页 |
| ·聚类特征树 | 第19-22页 |
| ·聚类特征 | 第19-20页 |
| ·聚类特征树 | 第20-21页 |
| ·聚类特征树的建立 | 第21-22页 |
| ·半监督支持向量机 | 第22-24页 |
| ·S~3VM 的算法思想 | 第22-23页 |
| ·S~3VM 的典型解法 | 第23-24页 |
| ·基于图的半监督分类算法 | 第24-30页 |
| ·图的构造 | 第25-26页 |
| ·标记传播算法 | 第26-28页 |
| ·基于图的大规模半监督分类算法 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于聚类特征树分解的大规模半监督分类算法 | 第31-41页 |
| ·基于聚类特征树分解的局部学习 | 第31-34页 |
| ·CF 树的数据重定位 | 第31-32页 |
| ·分支因子对 CF 树分解的影响 | 第32-33页 |
| ·CFTD-SSC 算法框架 | 第33-34页 |
| ·CFTD-SSC 框架下的各种算法 | 第34-40页 |
| ·CFTD-S~3VM 算法 | 第34-36页 |
| ·CFTD-GFHF 算法 | 第36-37页 |
| ·CFTD-LGC 算法 | 第37-39页 |
| ·CFTD-LGT 算法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 CFTD-SSC 框架下各种算法的实验及分析 | 第41-52页 |
| ·实验所用的大规模数据集介绍 | 第41页 |
| ·实验所采用的算法及运行环境 | 第41-43页 |
| ·实验与结果分析 | 第43-50页 |
| ·分支因子和局部训练规模阈值对算法性能的影响 | 第43-46页 |
| ·基于局部图的半监督分类算法分析比较 | 第46-48页 |
| ·基于局部图算法 VS 基于局部 S~3VM 算法 | 第48-49页 |
| ·CFTD-SSC 算法 VS 其它算法 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 结论与展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 附件 | 第61页 |