面向高维数据的共享子空间识别方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 目录 | 第8-10页 |
| 1 引言 | 第10-15页 |
| 1.1 国内外研究现状 | 第11-12页 |
| 1.2 研究的内容和目的 | 第12-13页 |
| 1.3 论文结构及章节安排 | 第13页 |
| 1.4 本章小结 | 第13-15页 |
| 2 相关工作研究 | 第15-25页 |
| 2.1 数据降维 | 第15-20页 |
| 2.1.1 数据预处理 | 第15-17页 |
| 2.1.2 数据降维 | 第17-20页 |
| 2.2 特征之间的相关性 | 第20-24页 |
| 2.2.1 标签特征的关联性 | 第20-23页 |
| 2.2.2 数据特征的关联性 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 一种基于共享子空间的数据表示模型 | 第25-37页 |
| 3.1 基于共享子空间的多标签数据重表示 | 第26-30页 |
| 3.1.1 共享空间识别模型 | 第26页 |
| 3.1.2 优化算法 | 第26-28页 |
| 3.1.3 计算复杂度分析 | 第28-29页 |
| 3.1.4 多标签学习算法 | 第29-30页 |
| 3.2 实验结果与分析 | 第30-36页 |
| 3.2.1 实验数据 | 第30页 |
| 3.2.2 实验结果评价指标 | 第30-32页 |
| 3.2.3 实验结果分析 | 第32-36页 |
| 3.3 本章小结 | 第36-37页 |
| 4 基于共享信息的聚类算法 | 第37-49页 |
| 4.1 基于共享信息的聚类分析 | 第39-43页 |
| 4.1.1 一种基于稀疏结构的无监督特征选择模型 | 第39-40页 |
| 4.1.2 模型的优化 | 第40-43页 |
| 4.1.3 计算复杂度分析 | 第43页 |
| 4.2 实验结果与分析 | 第43-48页 |
| 4.2.1 数据集说明和对比方法 | 第43-44页 |
| 4.2.2 实验结果评价指标 | 第44-46页 |
| 4.2.3 实验结果分析 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 5 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第54-56页 |
| 学位论文数据集 | 第56页 |
