首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于核聚类的半监督模型误定问题的研究

摘要第4-5页
ABSTRACT第5-6页
第1章 绪论第9-17页
    1.1 研究背景和意义第9-10页
    1.2 国内外相关研究和综述第10-13页
        1.2.1 半监督学习第10-12页
        1.2.2 核方法第12-13页
    1.3 问题的总结与分析第13-14页
    1.4 本文主要工作第14-15页
    1.5 本文组织结构第15-17页
第2章 半监督学习的相关理论与方法第17-27页
    2.1 半监督学习中的基本假设第17-18页
    2.2 未标记数据的作用第18-20页
    2.3 半监督学习方法第20-26页
        2.3.1 自训练第20-21页
        2.3.2 半监督支持向量机第21-23页
        2.3.3 协同训练第23-24页
        2.3.4 基于生成模型的半监督学习第24-26页
    2.4 本章小结第26-27页
第3章 基于核聚类的半监督学习方法第27-42页
    3.1 生成模型的优化第27-31页
    3.2 数据到核空间的转换第31-33页
    3.3 模型误定问题的产生原因第33-35页
    3.4 模型误定问题的解决方案第35-39页
        3.4.1 核聚类第35-36页
        3.4.2 模型判断与修正第36-38页
        3.4.3 基于核聚类的半监督学习算法第38-39页
    3.5 多类标分类第39-41页
    3.6 本章小结第41-42页
第4章 实验设计与分析第42-55页
    4.1 实验环境及数据集第42-44页
    4.2 对比方法第44-45页
    4.3 评价标准AP及MAP第45-46页
    4.4 实验结果与分析第46-54页
        4.4.1 标记样本数量对结果的影响第46-48页
        4.4.2 模型判断对结果的影响第48-51页
        4.4.3 各方法的实验结果比较第51-54页
    4.5 本章小结第54-55页
结论第55-56页
参考文献第56-62页
致谢第62页

论文共62页,点击 下载论文
上一篇:基于SARSA算法的足球机器人决策系统的研究与设计
下一篇:基于低空监测影像的人流识别与密度估计