半监督的聚类和降维研究及应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-14页 |
| 第一章 绪论 | 第14-22页 |
| ·机器学习 | 第14-15页 |
| ·机器学习的几种方式 | 第15页 |
| ·半监督学习 | 第15-16页 |
| ·半监督学习意义 | 第15-16页 |
| ·半监督学习分类 | 第16页 |
| ·聚类和半监督聚类研究基础 | 第16-19页 |
| ·现有聚类算法研究 | 第17-19页 |
| ·半监督聚类 | 第19页 |
| ·降维和半监督降维研究基础 | 第19-20页 |
| ·现有特征抽取算法研究 | 第20页 |
| ·本文的主要研究工作 | 第20-21页 |
| ·本文的内容安排 | 第21-22页 |
| 第二章 半监督鲁棒联机聚类 | 第22-31页 |
| ·引言 | 第22-23页 |
| ·联机聚类算法 | 第22-23页 |
| ·核诱导距离 | 第23-24页 |
| ·基于核的学习 | 第23-24页 |
| ·核诱导距离 | 第24页 |
| ·半监督鲁棒联机聚类 | 第24-30页 |
| ·算法描述 | 第25-27页 |
| ·实验结果与分析 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 半监督模糊核聚类算法 | 第31-44页 |
| ·引言 | 第31-32页 |
| ·半监督模糊核 C 均值算法 | 第32-35页 |
| ·基于标号的半监督模糊核 C 均值聚类 | 第33页 |
| ·基于约束的半监督模糊和 C 均值聚类 | 第33-34页 |
| ·实验结果及分析 | 第34-35页 |
| ·半监督可能性核 C 均值算法 | 第35-40页 |
| ·可能性核 C-均值算法（KPCM） | 第35-36页 |
| ·半监督可能性核 C 均值算法 | 第36页 |
| ·基于标号的半监督可能性Ｃ均值算法 | 第36-37页 |
| ·基于约束的半监督可能性 C 均值算法 | 第37页 |
| ·实验结果和讨论 | 第37-40页 |
| ·LSKFCM 在图像分割上的应用 | 第40-42页 |
| ·图像分割简述 | 第40页 |
| ·实验结果和分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 半监督降维及其在图像检索上的应用 | 第44-56页 |
| ·引言 | 第44页 |
| ·半监督降维和图像检索 | 第44-45页 |
| ·半监督降维的定义 | 第45-48页 |
| ·目标函数的定义 | 第46-48页 |
| ·实验部分 | 第48-55页 |
| ·实验设置 | 第48-49页 |
| ·实验结果和分析 | 第49-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于 OpenCv 的图像检索原型系统 | 第56-65页 |
| ·自动图像检索系统回顾 | 第56-58页 |
| ·系统设计目标 | 第58页 |
| ·系统架构与模块设计 | 第58-61页 |
| ·概要设计 | 第58-60页 |
| ·模块接口设计 | 第60-61页 |
| ·系统实现要点 | 第61-62页 |
| ·OpenCV 简介 | 第61-62页 |
| ·应用示例 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-68页 |
| ·已有工作小结 | 第65-66页 |
| ·未来工作展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 硕士研究生期间完成的学术论文 | 第74页 |
