| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 流形学习的研究背景 | 第9-10页 |
| 1.2 流形学习算法简介 | 第10-11页 |
| 1.3 流形对齐的研究现状 | 第11-12页 |
| 1.4 流形对齐中存在的问题 | 第12-13页 |
| 1.5 本文主要工作和结构安排 | 第13-15页 |
| 第2章 流形对齐及相关算法 | 第15-26页 |
| 2.1 流形对齐概述 | 第15-17页 |
| 2.1.1 流形对齐的原理 | 第15-16页 |
| 2.1.2 流形对齐的基本分类 | 第16-17页 |
| 2.1.3 流形对齐算法的基本步骤 | 第17页 |
| 2.2 现有的流形对齐算法介绍 | 第17-25页 |
| 2.2.1 利用PROCRUSTES分析的流形对齐算法 | 第17-18页 |
| 2.2.2 一步对齐框架及其框架下的对齐算法 | 第18-21页 |
| 2.2.3 保持全局模型的对齐算法 | 第21-23页 |
| 2.2.4 利用标签信息的流形对齐算法 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于少量对应信息的流形对齐算法 | 第26-45页 |
| 3.1 问题的提出 | 第26页 |
| 3.2 算法过程 | 第26-32页 |
| 3.2.1 优化模型 | 第27-29页 |
| 3.2.2 流形间相似度的度量 | 第29-31页 |
| 3.2.3 算法步骤 | 第31-32页 |
| 3.3 理论分析 | 第32-35页 |
| 3.4 实验与结果 | 第35-44页 |
| 3.4.1 实验度量标准 | 第35页 |
| 3.4.2 蛋白质分子数据集实验 | 第35-37页 |
| 3.4.3 Liver Run Cropped视频数据集 | 第37-39页 |
| 3.4.4 FacePix人脸图像数据集 | 第39-42页 |
| 3.4.5 Texture数据集 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于分类的流形对齐算法 | 第45-55页 |
| 4.1 问题的提出与分析 | 第45页 |
| 4.2 基于对应信息的流形对齐算法在分类中的应用 | 第45-48页 |
| 4.2.1 优化模型 | 第45-46页 |
| 4.2.2 算法步骤 | 第46-47页 |
| 4.2.3 实验与结果 | 第47-48页 |
| 4.3 基于标签信息的流形对齐算法用于分类 | 第48-54页 |
| 4.3.1 优化模型 | 第48-50页 |
| 4.3.2 算法步骤 | 第50-51页 |
| 4.3.3 实验与结果 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-59页 |
| 5.1 本文总结 | 第55-57页 |
| 5.2 未来工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第64页 |