| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景及其意义 | 第11-13页 |
| ·数据降维 | 第13-14页 |
| ·半监督学习 | 第14-15页 |
| ·基于成对约束的学习 | 第15-16页 |
| ·本文的主要工作和内容安排 | 第16-19页 |
| 第二章 半监督降维方法分析和实验比较 | 第19-35页 |
| ·引言 | 第19-20页 |
| ·半监督降维 | 第20-25页 |
| ·基于类别标号的方法 | 第21-23页 |
| A. 半监督概率PCA（S2PPCA） | 第21-22页 |
| B. 分类约束降维（CCDR） | 第22页 |
| C. 半监督判别分析（SDA） | 第22页 |
| D. 半监督局部Fisher 判别分析（SELF） | 第22页 |
| E. 基于流形的半监督局部Fisher 判别分析（SSLFDA） | 第22-23页 |
| ·基于成对约束的方法 | 第23-25页 |
| A. 约束Fisher 判别分析（cFDA） | 第24页 |
| B. 基于约束的半监督特征提取框架（SSDR） | 第24页 |
| C. 约束的局部保持投影（cLPP） | 第24页 |
| D. 邻域保持半监督降维（NPSSDR） | 第24-25页 |
| ·实验比较 | 第25-33页 |
| ·实验设置 | 第25-26页 |
| ·实验结果分析 | 第26-33页 |
| A.UCI 标准数据集上的实验比较 | 第26-28页 |
| B.半监督学习数据集上的实验比较 | 第28-30页 |
| C.人脸标准数据集上的实验比较 | 第30-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 半监督超光谱图像特征提取算法 | 第35-51页 |
| ·引言 | 第35-37页 |
| ·稀疏表示 | 第37-39页 |
| ·稀疏表示的求解 | 第37-38页 |
| ·稀疏重构 | 第38-39页 |
| ·半监督特征提取算法 | 第39-42页 |
| ·半监督特征提取框架 | 第39-40页 |
| ·全局方差保持的半监督特征提取算法(SSDRpca) | 第40-41页 |
| ·稀疏保持的半监督特征提取算法(SSDRsp) | 第41-42页 |
| ·实验结果与分析 | 第42-50页 |
| ·实验设置 | 第43-44页 |
| ·超光谱图像分类性能分析 | 第44-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 半监督超光谱图像特征选择算法 | 第51-63页 |
| ·引言 | 第51-52页 |
| ·监督和无监督特征选择的典型方法 | 第52-54页 |
| ·半监督特征选择算法 | 第54-57页 |
| ·基于方差的半监督特征选择算法（Semi-VS） | 第54-55页 |
| ·基于局部结构的半监督特征选择算法（Semi-LS） | 第55页 |
| ·基于稀疏结构特征选择算法 | 第55-57页 |
| ·实验结果与分析 | 第57-61页 |
| ·实验设置 | 第57-58页 |
| ·超光谱图像分类性能分析 | 第58-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·已有工作总结 | 第63页 |
| ·未来工作展望 | 第63-65页 |
| 参考文献 | 第65-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75页 |
