半监督学习及其在社交媒体分析中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 半监督学习概览 | 第13-18页 |
| 2.1 引言 | 第13-14页 |
| 2.2 半监督学习假设 | 第14页 |
| 2.2.1 平滑性假设 | 第14页 |
| 2.2.2 聚类假设 | 第14页 |
| 2.2.3 流形假设 | 第14页 |
| 2.3 经典的半监督分类方法 | 第14-17页 |
| 2.3.1 生成式模型 | 第14-15页 |
| 2.3.2 协同训练 | 第15-16页 |
| 2.3.3 基于图的半监督学习方法 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 多模态半监督学习在图像分类中的应用 | 第18-27页 |
| 3.1 多模态数据 | 第18页 |
| 3.2 问题描述 | 第18-20页 |
| 3.3 相关工作 | 第20-21页 |
| 3.4 算法描述 | 第21-23页 |
| 3.4.1 问题定义 | 第21页 |
| 3.4.2 半监督学习 | 第21-23页 |
| 3.4.3 支持向量回归 | 第23页 |
| 3.5 实验结果与分析 | 第23-26页 |
| 3.5.1 实验数据集 | 第23-24页 |
| 3.5.2 实验设置 | 第24页 |
| 3.5.3 实验结杲 | 第24-26页 |
| 3.6 本章小结 | 第26-27页 |
| 第4章 基于半监督学习的图像裁剪算法 | 第27-43页 |
| 4.1 引言 | 第27页 |
| 4.2 相关工作 | 第27-28页 |
| 4.2.1 基于注意力的方法 | 第27-28页 |
| 4.2.2 基于美学的方法 | 第28页 |
| 4.3 图像裁剪 | 第28-36页 |
| 4.3.1 视觉构图 | 第29-31页 |
| 4.3.2 兴趣特征 | 第31页 |
| 4.3.3 半监督学习模型 | 第31-32页 |
| 4.3.4 边界简单化 | 第32页 |
| 4.3.5 裁剪约束 | 第32-36页 |
| 4.3.6 算法描述 | 第36页 |
| 4.4 实验结果与分析 | 第36-41页 |
| 4.4.1 实验数据集 | 第37页 |
| 4.4.2 实验设置 | 第37页 |
| 4.4.3 实验结果 | 第37-41页 |
| 4.5 本章小结 | 第41-43页 |
| 第5章 结论与展望 | 第43-45页 |
| 5.1 结论 | 第43页 |
| 5.2 展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第49-50页 |
| 致谢 | 第50页 |
