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 |