| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| §1.1 研究背景和意义 | 第12-15页 |
| §1.1.1 Rashomon问题一模型的多样性问题 | 第12-13页 |
| §1.1.2 Occam问题一模型简单性和模型精确性问题 | 第13页 |
| §1.1.3 Bellman问题—维数灾难 | 第13-15页 |
| §1.2 降维方法的研究进展与现状 | 第15-16页 |
| §1.2.1 基于线性子空间的降维模型 | 第15页 |
| §1.2.2 基于流形学习的降维模型 | 第15-16页 |
| §1.2.3 基于概率框架的降维模型模型 | 第16页 |
| §1.3 论文的研究工作及章节安排 | 第16-20页 |
| 第二章 基于局部保持的隐变量模型 | 第20-36页 |
| §2.1 引言 | 第20页 |
| §2.2 背景知识 | 第20-22页 |
| §2.2.1 基本概念 | 第20-22页 |
| §2.3 隐变量模型 | 第22-26页 |
| §2.3.1 概率主成分分析 | 第22-23页 |
| §2.3.2 高斯过程隐变量模型 | 第23-24页 |
| §2.3.3 模型收敛性分析 | 第24-26页 |
| §2.4 基于局部保持的隐变量建模算法与测试算法 | 第26-34页 |
| §2.4.1 保局映射 | 第26-28页 |
| §2.4.2 基于局部保持的隐变量建模算法 | 第28-29页 |
| §2.4.3 局部保持的隐变量测试算法 | 第29-30页 |
| §2.4.4 数值实验结果与分析 | 第30-34页 |
| §2.5 本章小结 | 第34-36页 |
| 第三章 基于特征加权的隐变量模型 | 第36-46页 |
| §3.1 引言 | 第36页 |
| §3.2 判别特征提取算法 | 第36-41页 |
| §3.2.1 线性判别分析 | 第36-37页 |
| §3.2.2 基于判别特征加权的隐变量模型 | 第37-39页 |
| §3.2.3 数值实验及结果分析 | 第39-41页 |
| §3.3 基于局部保持的加权隐变量模型 | 第41-44页 |
| §3.3.1 基于局部保持的加权GP-LVM | 第42-43页 |
| §3.3.2 数值实验及结果分析 | 第43-44页 |
| §3.5 本章小结 | 第44-46页 |
| 第四章 监督高斯过程隐变量模型 | 第46-64页 |
| §4.1 引言 | 第46页 |
| §4.2 监督模型的基本原理 | 第46-48页 |
| §4.2.1 无监督映射 | 第47页 |
| §4.2.2 监督映射 | 第47页 |
| §4.2.3 隐变量模型中的条件独立 | 第47-48页 |
| §4.3 监督高斯过程隐变量回归模型 | 第48-53页 |
| §4.3.1 高斯过程回归 | 第48-49页 |
| §4.3.2 监督高斯过程隐变量回归模型算法 | 第49-50页 |
| §4.3.3 监督高斯过程隐变量回归模型中的参数优化 | 第50-51页 |
| §4.3.4 数值实验结果与分析 | 第51-53页 |
| §4.4 监督高斯过程隐变量分类模型 | 第53-62页 |
| §4.4.1 类标变换 | 第53-54页 |
| §4.4.2 基于监督高斯过程隐变量分类模型算法 | 第54-55页 |
| §4.4.3 监督高斯过程隐变量分类模型中的参数优化 | 第55-58页 |
| §4.4.4 数值实验结果与分析 | 第58-62页 |
| §4.5 本章小结 | 第62-64页 |
| 第五章 半监督隐变量模型 | 第64-78页 |
| §5.1 引言 | 第64-65页 |
| §5.2 成对约束定义 | 第65-67页 |
| §5.3 基于成对约束的半监督隐变量模型 | 第67-71页 |
| §5.3.1 隐变量模型中的成对约束 | 第67-68页 |
| §5.3.2 成对约束半监督隐变量模型算法 | 第68-70页 |
| §5.3.3 半监督隐变量模型算法讨论 | 第70-71页 |
| §5.4 实验结果与分析 | 第71-76页 |
| §5.4.1 数据集 | 第71-72页 |
| §5.4.2 二维隐空间中的可视化 | 第72-73页 |
| §5.4.3 约束个数对分类精度的影响 | 第73-75页 |
| §5.4.4 维数对分类精度的影响 | 第75页 |
| §5.4.5 与约束半监督学习算法比较 | 第75-76页 |
| §5.5 本章小结 | 第76-78页 |
| 第六章 基于散度分析的迁移隐变量模型 | 第78-92页 |
| §6.1 引言 | 第78-79页 |
| §6.2 迁移学习的背景知识介绍 | 第79-81页 |
| §6.3 基于Bregman散度的迁移隐变量模型 | 第81-86页 |
| §6.3.1 基于Bregman散度传递隐变量模型算法 | 第81-84页 |
| §6.3.2 迁移隐变量模型的参数优化 | 第84-86页 |
| §6.4 实验结果和分析 | 第86-90页 |
| §6.4.1 人脸数据库 | 第86-87页 |
| §6.4.2 USPS手写字 | 第87-90页 |
| §6.5 本章小结 | 第90-92页 |
| 第七章 总结与展望 | 第92-96页 |
| §7.1 总结 | 第92-93页 |
| §7.2 未来工作的展望 | 第93-96页 |
| 参考文献 | 第96-106页 |
| 致谢 | 第106-108页 |
| 攻读博士学位期间撰写的学术论文 | 第108-110页 |
| 攻读博士学位期间参与的科研工作 | 第110页 |
| 攻读博士学位期间科研成果 | 第110页 |
