| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景 | 第9-10页 |
| ·半监督学习 | 第10-15页 |
| ·半监督分类 | 第12-14页 |
| ·半监督聚类 | 第14-15页 |
| ·论文的主要工作与架构安排 | 第15-17页 |
| 第二章 基于图的半监督分类方法 | 第17-25页 |
| ·基于图的半监督学习概述 | 第17-18页 |
| ·几种常见的基于图的半监督学习方法 | 第18-21页 |
| ·最小割 | 第18-19页 |
| ·基于高斯场和调和函数的方法 | 第19-20页 |
| ·局部和全局一致性方法 | 第20页 |
| ·流形正则化方法 | 第20-21页 |
| ·图的构建 | 第21-24页 |
| ·全连接图 | 第21-22页 |
| ·K 近邻图 | 第22页 |
| ·ε近邻图 | 第22-23页 |
| ·局部线性嵌入(LLE)图 | 第23页 |
| ·L1 图 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于核低秩表示图的半监督分类 | 第25-37页 |
| ·稀疏 L1 图 | 第25页 |
| ·基于低秩表示的子空间分割 | 第25-28页 |
| ·基于核低秩表示图的半监督分类 | 第28-30页 |
| ·基于稀疏图的半监督分类 | 第28-29页 |
| ·基于核低秩表示图的半监督分类算法 | 第29-30页 |
| ·实验结果与分析 | 第30-35页 |
| ·人工数据集实验 | 第30-31页 |
| ·UCI 数据集实验 | 第31-32页 |
| ·人脸数据库实验 | 第32-33页 |
| ·参数对算法性能的影响 | 第33-34页 |
| ·算法鲁棒性分析 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 基于 KLRG 和成对约束的半监督分类 | 第37-47页 |
| ·半监督谱聚类中的成对约束 | 第37页 |
| ·基于 KLRG 和成对约束的半监督学习算法 | 第37-39页 |
| ·实验与结果分析 | 第39-45页 |
| ·人脸数据库实验 | 第39-41页 |
| ·手写体数据集实验 | 第41-42页 |
| ·纹理图像分割实验 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 基于 KLRG 和空间约束的高光谱地物分类 | 第47-57页 |
| ·高光谱遥感简介 | 第47-48页 |
| ·基于空间约束和 KLRG 的半监督分类算法 | 第48-50页 |
| ·高光谱图像分类中的空间约束 | 第48-49页 |
| ·基于 KLRG 和空间约束的半监督分类算法 | 第49-50页 |
| ·高光谱图像实验与结果分析 | 第50-56页 |
| ·Indiana Pines 实验 | 第50-53页 |
| ·Salinas-A 实验 | 第53-55页 |
| ·参数对算法性能的影响 | 第55-56页 |
| ·小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 研究生期间的成果 | 第67-68页 |