| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·机器学习 | 第10-11页 |
| ·机器学习的发展阶段 | 第10-11页 |
| ·机器学习的研究内容 | 第11页 |
| ·机器学习的参考资料 | 第11页 |
| ·文章涉及的相关技术 | 第11-13页 |
| ·近邻技术 | 第11-12页 |
| ·核方法 | 第12页 |
| ·流形学习 | 第12-13页 |
| ·随机游走相关知识 | 第13-17页 |
| ·随机游走 | 第13-14页 |
| ·图上的随机游走 | 第14-17页 |
| ·本文的主要研究工作 | 第17-19页 |
| ·贡献和创新 | 第17页 |
| ·研究意义 | 第17-18页 |
| ·文章组织 | 第18-19页 |
| 第二章 图上的随机游走理论 | 第19-32页 |
| ·背景介绍 | 第19页 |
| ·随机过程 | 第19-20页 |
| ·图论基础 | 第20-21页 |
| ·随机游走 | 第21-23页 |
| ·拉普拉斯算子 | 第23-24页 |
| ·图上的拉普拉斯算子 | 第24-26页 |
| ·图上的格林算子 | 第26-28页 |
| ·往返时间 | 第28-30页 |
| ·应用领域 | 第30-32页 |
| 第三章 随机游走分类器模型 | 第32-52页 |
| ·背景介绍 | 第32页 |
| ·符号及基本假设 | 第32-33页 |
| ·随机游走基础分类器模型 | 第33-36页 |
| ·图论表示 | 第33页 |
| ·随机游走分类器 | 第33-35页 |
| ·互补随机游走分类器对 | 第35-36页 |
| ·组合分类器模型 | 第36-45页 |
| ·互补组合分类器 | 第36-37页 |
| ·互补懒散组合分类器 | 第37-39页 |
| ·多划分组合分类器 | 第39-41页 |
| ·多划分懒散组合分类器 | 第41-43页 |
| ·懒散组合分类器的损失 | 第43-45页 |
| ·随机游走分类器模型的进一步改进 | 第45-49页 |
| ·核化角度 | 第45-46页 |
| ·流形角度 | 第46-48页 |
| ·正则化角度 | 第48-49页 |
| ·组合分类算法的实现 | 第49-50页 |
| ·组合分类算法 | 第49页 |
| ·算法时间复杂度分析 | 第49-50页 |
| ·多分类的类别判断函数 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第四章 多层次随机游走 | 第52-70页 |
| ·背景介绍 | 第52-53页 |
| ·多层次随机游走框架 | 第53-55页 |
| ·多层次随机游走 | 第53-55页 |
| ·ML2+组件间随机游走模型 | 第55-59页 |
| ·与其它Label Propagation 算法的关系 | 第57页 |
| ·MRW 的正则化观点 | 第57-59页 |
| ·MRW 组件传播算法MCP | 第59-61页 |
| ·MCP 的正则化观点 | 第60-61页 |
| ·平衡策略 | 第61-63页 |
| ·实验 | 第63-68页 |
| ·算法演示 | 第63-64页 |
| ·UCI 数据集上的比较 | 第64-66页 |
| ·平衡策略的测试 | 第66-68页 |
| ·本章小结 | 第68-70页 |
| 第五章 基于随机游走的细胞自动机聚类算法 | 第70-90页 |
| ·背景介绍 | 第70-72页 |
| ·蚂蚁睡眠模型 | 第72-79页 |
| ·蚂蚁尸体堆积模型 | 第72-73页 |
| ·蚂蚁睡眠模型 | 第73-79页 |
| ·基于随机游走更新规则的细胞自动机聚类算法 | 第79-82页 |
| ·聚类算法框架 | 第79-80页 |
| ·参数的设置 | 第80-81页 |
| ·游走策略的选择 | 第81-82页 |
| ·实验结果 | 第82-89页 |
| ·算法演示 | 第82-83页 |
| ·人工数据 | 第83-86页 |
| ·真实数据 | 第86-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 结束语 | 第90-92页 |
| ·全文总结 | 第90页 |
| ·工作展望 | 第90-92页 |
| 参考文献 | 第92-100页 |
| 致谢 | 第100-101页 |
| 在学期间的研究成果及发表的论文 | 第101页 |