嵌入式多模态特征选择算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 多模态数据 | 第9-10页 |
| 1.1.2 特征选择算法 | 第10-11页 |
| 1.2 研究现状及存在问题 | 第11-13页 |
| 1.3 论文研究内容和组织结构 | 第13-15页 |
| 第2章 相关工作 | 第15-25页 |
| 2.1 多模态特征学习的原则 | 第15-17页 |
| 2.1.1 一致性原则 | 第15-16页 |
| 2.1.2 互补性原则 | 第16-17页 |
| 2.2 基于多核学习的多模态特征选择算法 | 第17-19页 |
| 2.3 基于稀疏表示的特征选择算法 | 第19-22页 |
| 2.4 基于图模型的特征选择算法 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于聚类结构保持的无监督特征选择算法 | 第25-41页 |
| 3.1 引言 | 第25-26页 |
| 3.2 模型建立 | 第26-29页 |
| 3.3 优化过程及复杂度分析 | 第29-32页 |
| 3.3.1 优化过程 | 第29-31页 |
| 3.3.2 算法复杂度分析 | 第31-32页 |
| 3.4 实验设置 | 第32-34页 |
| 3.5 实验结果和分析 | 第34-40页 |
| 3.5.1 聚类实验结果及分析 | 第34-36页 |
| 3.5.2 分类实验结果及分析 | 第36-38页 |
| 3.5.3 统计验证 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于结构化稀疏的半监督特征选择算法 | 第41-54页 |
| 4.1 引言 | 第41-42页 |
| 4.2 模型建立 | 第42-46页 |
| 4.3 优化过程 | 第46-47页 |
| 4.4 实验设置 | 第47-49页 |
| 4.5 实验结果及分析 | 第49-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 发表论文和参加科研情况说明 | 第60-61页 |
| 致谢 | 第61-62页 |
