| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-25页 |
| 1.1 课题相关概念介绍 | 第8-11页 |
| 1.1.1 特征及特征表达 | 第8页 |
| 1.1.2 高维数据及数据降维 | 第8-9页 |
| 1.1.3 人工神经网络及深度学习 | 第9-10页 |
| 1.1.4 小结 | 第10-11页 |
| 1.2 课题的背景和意义 | 第11-13页 |
| 1.3 数据降维国内外研究状况 | 第13-14页 |
| 1.4 数据降维的方法综述 | 第14-22页 |
| 1.4.1 线性数据降维方法 | 第15-18页 |
| 1.4.2 非线性数据降维方法 | 第18-22页 |
| 1.4.3 小结 | 第22页 |
| 1.5 本文的主要研究内容及内容组织 | 第22-24页 |
| 1.6 本章小结 | 第24-25页 |
| 2 深度学习方法基础理论 | 第25-30页 |
| 2.1 引言 | 第25页 |
| 2.2 特征转换 | 第25-26页 |
| 2.3 深度学习基础模块之受限玻尔兹曼机 | 第26-29页 |
| 2.3.1 玻尔兹曼机 | 第26-28页 |
| 2.3.2 受限玻尔兹曼机 | 第28-29页 |
| 2.3.3 小结 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于受限玻尔兹曼机构建高维数据降维模型 | 第30-36页 |
| 3.1 引言 | 第30页 |
| 3.2 特征转换与数据降维的关系 | 第30-31页 |
| 3.3 基于受限玻尔兹曼机构建高维数据降维模型 | 第31-35页 |
| 3.3.1 模型构建 | 第31-32页 |
| 3.3.2 模型训练 | 第32-33页 |
| 3.3.3 模型分析 | 第33-34页 |
| 3.3.4 模型验证 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于隐层自适应受限玻尔兹曼机构建高维数据降维模型 | 第36-47页 |
| 4.1 引言 | 第36页 |
| 4.2 基于受限玻尔兹曼机降维模型的局限 | 第36-37页 |
| 4.3 基于隐层自适应受限玻尔兹曼机构建高维数据降维模型 | 第37-46页 |
| 4.3.1 理论基础 | 第37-40页 |
| 4.3.2 模型构建与分析 | 第40-44页 |
| 4.3.3 模型验证 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 高维数据降维模型在手写数字识别中的应用研究 | 第47-55页 |
| 5.1 引言 | 第47页 |
| 5.2 手写数字识别技术 | 第47-49页 |
| 5.2.1 手写数字识别技术的含义 | 第47页 |
| 5.2.2 手写数字识别技术的理论价值 | 第47页 |
| 5.2.3 手写数字识别技术的难点 | 第47-49页 |
| 5.3 高维数据降维模型在手写数字识别中的应用 | 第49-54页 |
| 5.3.1 实验过程 | 第49页 |
| 5.3.2 实验结果分析 | 第49-53页 |
| 5.3.3 实验总结与结论 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 研究总结与展望 | 第55-57页 |
| 6.1 研究工作总结 | 第55页 |
| 6.2 研究工作展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
| A. 攻读硕士学位期间发表的学术论文 | 第62页 |
| B. 攻读硕士学位期间参与的科研项目 | 第62页 |
| C. 攻读硕士学位期间申请的发明专利 | 第62页 |
| D. 攻读硕士学位期间参与的学术交流 | 第62页 |