| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及研究意义 | 第9-11页 |
| 1.2 相关领域研究现状 | 第11-14页 |
| 1.3 文章的结构安排 | 第14-15页 |
| 第二章 预备知识 | 第15-27页 |
| 2.1 数据降维方法 | 第15-18页 |
| 2.1.1 主成分分析（ PCA） | 第15-16页 |
| 2.1.2 局部线性嵌入 (LLE) | 第16-18页 |
| 2.2 机器学习分类方法 | 第18-27页 |
| 2.2.1 支持向量机 (SVM) | 第18-20页 |
| 2.2.2 K最近邻 (KNN) | 第20页 |
| 2.2.3 Logistic回归 (Logistic Regression) | 第20-22页 |
| 2.2.4 随机森林回归 (Random Forest) | 第22-24页 |
| 2.2.5 梯度提升决策树 (GBDT) | 第24-27页 |
| 第三章 降维分类方法在手写数字识别中的应用 | 第27-40页 |
| 3.1 降维分类的分析架构及评价方法 | 第27-28页 |
| 3.1.1 降维分类的分析架构 | 第27-28页 |
| 3.1.2 降维分类的评价方法 | 第28页 |
| 3.2 手写数字识别数据介绍 | 第28-30页 |
| 3.3 模型训练过程及结果分析 | 第30-40页 |
| 3.3.1 模型的训练过程 | 第30-32页 |
| 3.3.2 结果分析 | 第32-40页 |
| 第四章 全文总结 | 第40-41页 |
| 4.1 研究工作总结 | 第40页 |
| 4.2 研究的不足与后续展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44页 |