| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第1章 绪论 | 第12-20页 |
| ·引言 | 第12-13页 |
| ·降维技术 | 第13-15页 |
| ·图构建技术 | 第15-17页 |
| ·同时降维与图学习思想 | 第17页 |
| ·本文的主要研究内容 | 第17-20页 |
| 第2章 熵正则化约束的同时降维与图学习 | 第20-39页 |
| ·引言 | 第20-21页 |
| ·局部保持投影及其非对称形式 | 第21-23页 |
| ·局部保持投影 | 第21-22页 |
| ·非对称的局部保持投影 | 第22-23页 |
| ·图优化的局部保持投影 GOLPP | 第23-27页 |
| ·动机 | 第23页 |
| ·模型 | 第23-25页 |
| ·算法 | 第25-27页 |
| ·广义熵 | 第27-28页 |
| ·实验 | 第28-35页 |
| ·二维数据可视化 | 第28-31页 |
| ·初始图的敏感性实验 | 第31-32页 |
| ·人脸识别 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 附录 1 对称与非对称局部保持投影的迹比形式的目标函数推导 | 第36-37页 |
| 附录 2 在 GOLPP 的模型（2.8）中求解权矩阵 S = ( S_(ij) )_(n× n) | 第37-39页 |
| 第3章 半监督的同时降维与图学习 | 第39-48页 |
| ·引言 | 第39-40页 |
| ·带有逐对约束的半监督 GOLPP | 第40-43页 |
| ·动机 | 第40页 |
| ·改进的 GoLPP | 第40-41页 |
| ·半监督 GoLPP | 第41-43页 |
| ·实验 | 第43-46页 |
| ·数据集描述和实验设置 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·结论 | 第46-48页 |
| 第4章 预定义图约束的同时降维与图学习 | 第48-58页 |
| ·引言 | 第48页 |
| ·GOLPP 的简单回顾 | 第48-49页 |
| ·带有自适应图的维数约简 DRAG | 第49-53页 |
| ·模型 | 第49-50页 |
| ·算法 | 第50-53页 |
| ·实验 | 第53-56页 |
| ·说明性实验 | 第53-54页 |
| ·分类性能 | 第54-56页 |
| ·小结与展望 | 第56-58页 |
| 第5章 稀疏约束的同时降维与图学习 | 第58-70页 |
| ·引言 | 第58-59页 |
| ·相关工作 | 第59-61页 |
| ·稀疏保持投影 | 第59-60页 |
| ·正交的稀疏保持投影 | 第60页 |
| ·图优化的局部保持投影 | 第60-61页 |
| ·带有稀疏约束的图优化的维数约简 GODRSC | 第61-65页 |
| ·动机 | 第61-62页 |
| ·模型 | 第62页 |
| ·算法 | 第62-64页 |
| ·与相关工作比较 | 第64-65页 |
| ·实验 | 第65-68页 |
| ·数据集描述和实验设置 | 第65-66页 |
| ·实验结果 | 第66-68页 |
| ·结论 | 第68-70页 |
| 第6章 同时降维与图学习的正则化框架 | 第70-75页 |
| ·引言 | 第70-71页 |
| ·同时降维与图学习的正则化框架 | 第71-74页 |
| ·一般模型 | 第71-72页 |
| ·一般算法流程 | 第72-74页 |
| ·同时降维与图学习的正则化框架中有待解决的问题 | 第74页 |
| ·本章小结 | 第74-75页 |
| 第7章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-85页 |
| 致谢 | 第85-86页 |
| 在学期间的研究成果及发表的学术论文 | 第86-87页 |