首页--数理科学和化学论文--概率论与数理统计论文--数理统计论文--多元分析论文

基于最优给分的稀疏无监督学习算法研究

摘要第1-3页
Abstract第3-9页
第1章 引言第9-12页
   ·多元统计分析概述第9页
   ·当前多元统计分析中存在的问题第9-10页
   ·本文研究意义第10-11页
   ·全文内容安排第11-12页
第2章 主元分析第12-17页
   ·主元概念第12-13页
   ·方差、冗余、协方差矩阵第13-15页
     ·方差第13-14页
     ·冗余第14页
     ·协方差矩阵第14-15页
   ·主元求解第15-17页
第3章 多元线性回归稀疏系数模型第17-21页
   ·套索第17-18页
   ·弹性网第18-21页
第4章 四种稀疏主元分析方法第21-39页
   ·主元分析的变形形式第21-22页
   ·简化的套索主元分析技术第22-24页
   ·稀疏主元分析第24-26页
   ·通过正则化低秩矩阵近似的稀疏主元分析第26-30页
   ·惩罚矩阵分解第30-36页
     ·PMD一般形式第30-32页
     ·多因子的PMD算法第32-33页
     ·不同惩罚函数的 PMD第33-35页
     ·c_1和c_2的选择第35-36页
   ·四种稀疏主元分析之间的关系第36-39页
第5章 稀疏无监督降维第39-47页
   ·给分矩阵第40页
   ·最优给分的主元分析第40-44页
   ·稀疏主坐标分析第44-47页
第6章 实验第47-56页
   ·Pitprops数据第47-49页
   ·UCI数据集第49-53页
   ·SVM分类第53-55页
   ·基因微阵列第55-56页
第7章 总结与展望第56-57页
参考文献第57-60页
攻读硕士学位期间主要的研究成果第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:基于Markov模型的安全仪表系统可靠性建模方法研究
下一篇:低温等离子体诱导丙烷催化还原NO_x研究