| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 结构学习研究背景与意义 | 第8-9页 |
| 1.2 结构学习研究进展 | 第9-15页 |
| 1.2.1 结构表示学习方法研究进展 | 第9-10页 |
| 1.2.2 结构度量学习方法研究进展 | 第10-15页 |
| 1.2.2.1 欧氏度量 | 第10-12页 |
| 1.2.2.2 黎曼度量 | 第12-13页 |
| 1.2.2.3 Finsler度量 | 第13-15页 |
| 1.3 问题提出与内容安排 | 第15-17页 |
| 第二章 相关基础理论 | 第17-25页 |
| 2.1 拓扑空间的相关概念 | 第17-19页 |
| 2.2 微分几何的几个基本概念 | 第19-21页 |
| 2.3 黎曼几何的几个基本概念 | 第21-22页 |
| 2.4 Finsler几何的基本概念 | 第22-24页 |
| 2.4.1 Finsler度量 | 第22-23页 |
| 2.4.2 共形映射 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 Finsler几何结构学习算法 | 第25-34页 |
| 3.1 算法基本思想 | 第25-26页 |
| 3.2 Finsler几何结构学习算法 | 第26-30页 |
| 3.2.1 Finsler度量的计算 | 第26-28页 |
| 3.2.2 共形映射的计算 | 第28页 |
| 3.2.3 算法步骤及分析 | 第28-30页 |
| 3.3 实验结果与分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于Finsler几何的K-means算法 | 第34-43页 |
| 4.1 K-means算法 | 第34-36页 |
| 4.1.1 K-means算法基本思想 | 第34-35页 |
| 4.1.2 K-means算法常用改进方法 | 第35-36页 |
| 4.2 基于Finsler度量的K-means算法 | 第36-39页 |
| 4.2.1 算法基本思想 | 第36-38页 |
| 4.2.2 算法步骤及分析 | 第38-39页 |
| 4.3 基于Finsler几何的K-means算法 | 第39-42页 |
| 4.3.1 算法基本思想 | 第40页 |
| 4.3.2 算法步骤及分析 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 实例分析 | 第43-49页 |
| 5.1 实物图像 | 第43-45页 |
| 5.2 人脸识别 | 第45-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 中英文名词对照 | 第55-56页 |
| 攻读学位期间参加的科研项目及发表的论文 | 第56-57页 |
| 致谢 | 第57-58页 |
