| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 1 绪论 | 第11-29页 |
| ·研究背景及意义 | 第11-12页 |
| ·相关问题的研究现状 | 第12-26页 |
| ·高斯过程模型 | 第13-17页 |
| ·多示例学习 | 第17-20页 |
| ·多标签学习 | 第20-23页 |
| ·多示例多标签学习 | 第23-25页 |
| ·多任务学习 | 第25-26页 |
| ·论文的主要工作和结构安排 | 第26-29页 |
| 2 高斯过程多示例学习 | 第29-47页 |
| ·GPMIL-C：面向集体多示例假设的学习算法 | 第29-33页 |
| ·GPMIL-S：而向标准多示例假设的学习算法 | 第33-35页 |
| ·GPMIL-V：综合处理多种多示例假设的学习算法 | 第35-36页 |
| ·仿真实验 | 第36-40页 |
| ·基准数据集 | 第36-37页 |
| ·文本分类问题 | 第37页 |
| ·图像分类问题 | 第37-40页 |
| ·在图像兴趣区域检测问题中的应用 | 第40-44页 |
| ·应用背景 | 第40-41页 |
| ·特征提取 | 第41-42页 |
| ·仿真实验 | 第42-44页 |
| ·本章小结 | 第44-47页 |
| 3 高斯过程多示例多标签学习 | 第47-71页 |
| ·基于定义在包空间上的潜变量函数的学习算法 | 第47-59页 |
| ·算法的基本思想与主要模块 | 第47-50页 |
| ·逼近后验分布及学习超参数 | 第50-52页 |
| ·算法实现 | 第52-53页 |
| ·仿真实验 | 第53-59页 |
| ·基于定义在示例空间上的潜变量函数的学习算法 | 第59-69页 |
| ·算法的基本思想与主要模块 | 第61-62页 |
| ·逼近后验分布及学习超参数 | 第62-63页 |
| ·算法实现 | 第63-64页 |
| ·向标准多示例假设的推广 | 第64-65页 |
| ·仿真实验 | 第65-69页 |
| ·本章小结 | 第69-71页 |
| 4 Twin高斯过程模型 | 第71-81页 |
| ·Twin高斯过程模型的基本思想与主要模块 | 第71-76页 |
| ·联合先验概率分布和条件先验概率分布 | 第72-73页 |
| ·似然函数 | 第73-74页 |
| ·后验概率分布 | 第74-75页 |
| ·预测 | 第75-76页 |
| ·Twin高斯过程模型的实现 | 第76-78页 |
| ·仿真实验 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 5 基于高斯过程多任务学习的Stewart平台位姿正解求解 | 第81-101页 |
| ·问题背景 | 第81-83页 |
| ·数学模型 | 第83-85页 |
| ·坐标系变换 | 第83-84页 |
| ·位姿逆解模型 | 第84-85页 |
| ·基于独立成分分析的位姿正解求解算法 | 第85-94页 |
| ·算法的基本思想 | 第85页 |
| ·计算臂长的独立成分 | 第85-87页 |
| ·分析独立成分变量与位姿变量间的关系 | 第87-89页 |
| ·数值算法 | 第89-91页 |
| ·仿真实验 | 第91-94页 |
| ·基于高斯过程多任务学习的位姿正解求解算法 | 第94-100页 |
| ·计算中间变量以及分析其与位姿变量的关系 | 第94-97页 |
| ·数值算法 | 第97-99页 |
| ·仿真实验 | 第99-100页 |
| ·本章小结 | 第100-101页 |
| 6 基于高斯过程模型的多定位点蛋白质亚细胞定位预测 | 第101-115页 |
| ·问题背景 | 第101-102页 |
| ·预测算法 | 第102-110页 |
| ·高斯过程先验 | 第104页 |
| ·联合似然函数 | 第104-105页 |
| ·后验概率分布 | 第105-107页 |
| ·预测函数 | 第107页 |
| ·计算协方差矩阵和特征信息的最优权重系数 | 第107-109页 |
| ·计算处理数据不平衡问题的指数权重系数 | 第109页 |
| ·降低算法的计算复杂度 | 第109-110页 |
| ·仿真实验 | 第110-114页 |
| ·本章小结 | 第114-115页 |
| 结论 | 第115-117页 |
| 参考文献 | 第117-128页 |
| 附录A 主要符号说明 | 第128-129页 |
| 创新点摘要 | 第129-130页 |
| 攻读博士学位期间发表学术论文情况 | 第130-131页 |
| 攻读博士期间参加的科研项目 | 第131-132页 |
| 致谢 | 第132-133页 |
| 作者简介 | 第133-134页 |
