基于局部学习与全局保持的大规模半监督算法
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 图目录 | 第10-11页 |
| 表目录 | 第11-12页 |
| 主要符号表 | 第12-14页 |
| 第一章 绪论 | 第14-21页 |
| ·选题背景及研究意义 | 第14-15页 |
| ·研究进展与发展方向 | 第15-19页 |
| ·研究进展 | 第15-19页 |
| ·发展方向 | 第19页 |
| ·本文的研究内容及组织结构 | 第19-21页 |
| ·研究内容 | 第19-20页 |
| ·组织结构 | 第20-21页 |
| 第二章 相关知识与技术 | 第21-34页 |
| ·半监督分类的基本假设 | 第21-22页 |
| ·基于图模型的半监督分类算法 | 第22-29页 |
| ·图的构造 | 第22-23页 |
| ·图的正则化框架 | 第23页 |
| ·标记传播算法 | 第23-25页 |
| ·局部与全局一致性算法 | 第25-26页 |
| ·原型向量机算法 | 第26-27页 |
| ·锚图正则化算法 | 第27-29页 |
| ·聚类特征树 | 第29-32页 |
| ·聚类特征项 | 第30页 |
| ·聚类特征树 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 基于局部学习与全局保持的大规模半监督算法 | 第34-43页 |
| ·算法思想 | 第34-37页 |
| ·算法描述 | 第37页 |
| ·参数分析 | 第37-41页 |
| ·数据集 | 第37-39页 |
| ·分支因子 b 影响 | 第39页 |
| ·层数 影响 | 第39-40页 |
| ·框架点数 m 影响 | 第40-41页 |
| ·算法复杂度分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 实验结果与分析 | 第43-48页 |
| ·比较的算法及基本设置 | 第43页 |
| ·usps 数据集 | 第43-45页 |
| ·大规模数据集 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间取得的研究成果 | 第53-54页 |
| 致谢 | 第54-55页 |
| 附件 | 第55页 |
