半监督学习及其应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·模式识别相关概念 | 第8-13页 |
| ·模式识别和模式 | 第8-9页 |
| ·模式识别系统 | 第9-11页 |
| ·模式识别方法及技术 | 第11-13页 |
| ·数据挖掘相关概念 | 第13-16页 |
| ·数据挖掘概念 | 第14-15页 |
| ·知识发现概念 | 第15-16页 |
| ·本文的主要研究内容和创新点 | 第16-18页 |
| 第二章 半监督学习及数据挖掘技术基础 | 第18-48页 |
| ·半监督学习技术基础 | 第18-37页 |
| ·机器学习 | 第18-30页 |
| ·监督学习 | 第30页 |
| ·非监督学习 | 第30页 |
| ·半监督学习及相关工作 | 第30-37页 |
| ·数据挖掘应用技术基础 | 第37-48页 |
| ·数据挖掘任务 | 第37-39页 |
| ·数据挖掘的基本功能 | 第39-40页 |
| ·数据挖掘的发展 | 第40-48页 |
| 第三章 基于贝叶斯分类的半监督学习 | 第48-69页 |
| ·基于监督学习的分类 | 第48-49页 |
| ·决策树 | 第48页 |
| ·贝叶斯分类 | 第48页 |
| ·神经网络分类 | 第48-49页 |
| ·使用k-最近邻分类 | 第49页 |
| ·支持向量机 | 第49页 |
| ·集成学习 | 第49页 |
| ·贝叶斯决策理论 | 第49-53页 |
| ·问题描述及假设 | 第49-50页 |
| ·常用的决策规则 | 第50-53页 |
| ·概率密度函数的估计 | 第53-60页 |
| ·问题描述 | 第54-55页 |
| ·参数估计 | 第55-59页 |
| ·总体分布的非参数估计 | 第59-60页 |
| ·基于贝叶斯分类的半监督学习算法 | 第60-68页 |
| ·基于半监督学习的分类问题 | 第60-61页 |
| ·半监督学习算法 | 第61-68页 |
| ·本章小结 | 第68-69页 |
| 第四章 基于FCM 的半监督学习 | 第69-93页 |
| ·基于非监督学习的聚类 | 第69页 |
| ·类别分离的间接方法 | 第69-72页 |
| ·聚类分析 | 第70-71页 |
| ·关于C-均值算法 | 第71-72页 |
| ·模糊模式识别方法 | 第72-81页 |
| ·模糊数学的发展 | 第72-73页 |
| ·模糊集合论基础 | 第73-76页 |
| ·模糊模式识别 | 第76-79页 |
| ·模糊聚类方法 | 第79-81页 |
| ·基于FCM 的半监督学习算法 | 第81-91页 |
| ·基于半监督学习的聚类问题 | 第82页 |
| ·模糊C-均值的思考 | 第82页 |
| ·半监督学习算法 | 第82-91页 |
| ·本章小结 | 第91-93页 |
| 第五章 半监督学习算法在数据挖掘技术中的应用 | 第93-110页 |
| ·信用卡数据应用 | 第93-107页 |
| ·数据挖掘流程 | 第93-102页 |
| ·半监督学习算法应用 | 第102-107页 |
| ·望远镜数据应用 | 第107-108页 |
| ·本章小结 | 第108-110页 |
| 第六章 总结 | 第110-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-125页 |
| 附录： 作者在攻读博士学位期间发表的论文 | 第125页 |
