带缺失数据的半监督图学习

摘要	第1-6页
Abstract	第6-9页
第一章 绪论	第9-14页
·研究问题	第9-10页
·国内外研究现状	第10-12页
·缺失数据研究现状	第10-11页
·半监督学习研究现状	第11-12页
·本文主要工作及文章组织	第12-14页
第二章 缺失数据与监督学习	第14-23页
·缺失数据处理	第14-17页
·数据缺失机制	第14页
·数据缺失模式	第14-15页
·常用处理方法	第15-17页
·监督学习分类算法	第17-22页
·线性判别分析	第17-19页
·K最近邻	第19-20页
·支持向量机	第20-22页
·本章小结	第22-23页
第三章 基于图的半监督分类算法	第23-31页
·理论基础	第23-27页
·无标签样本的作用	第24页
·半监督学习的假设	第24-26页
·图的拉普拉斯矩阵	第26-27页
·学习框架	第27页
·具体算法	第27-30页
·图最小割算法	第27-28页
·调和函数算法	第28-29页
·局部与全局一致性算法	第29-30页
·本章小结	第30-31页
第四章 带缺失数据的半监督图算法	第31-47页
·图的构造方法	第31-32页
·数据缺失下的权值构造	第32-35页
·相似性度量	第32-33页
·缺失数据相似性	第33-35页
·算法实现	第35-36页
·实验与分析	第36-46页
·对比方法	第36-37页
·实验数据及结果	第37-46页
·本章小结	第46-47页
结论	第47-49页
参考文献	第49-51页
攻读硕士学位期间取得的研究成果	第51-52页
致谢	第52-53页
附件	第53页