流形学习中的鲁棒性问题研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·数据降维的产生背景 | 第9页 |
| ·数据降维的方法 | 第9-13页 |
| ·线性降维方法 | 第10-12页 |
| ·非线性降维方法 | 第12-13页 |
| ·半监督的流形学习算法 | 第13-15页 |
| ·流形学习算法的鲁棒性问题 | 第15-17页 |
| ·论文的研究内容及结构安排 | 第17-18页 |
| 第二章 常用的流形学习方法简介 | 第18-23页 |
| ·等距嵌入算法(ISOMAP)简介 | 第18-19页 |
| ·局部线性嵌入算法(LLE)简介 | 第19-20页 |
| ·拉普拉斯特征映射算法(LE)简介 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 鲁棒流形学习方法 | 第23-39页 |
| ·已有的鲁棒流形学习算法简介 | 第23-28页 |
| ·鲁棒局部线性嵌入算法(RLLE)简介 | 第24-26页 |
| ·迭代最小二乘法检测离群点 | 第24-25页 |
| ·鲁棒局部线性嵌入算法 | 第25-26页 |
| ·鲁棒等距嵌入算法(RIsomap)简介 | 第26-28页 |
| ·基于重构权的离群点检测算法 | 第26页 |
| ·鲁棒等距嵌入算法 | 第26-28页 |
| ·鲁棒拉普拉斯特征映射算法(RLE) | 第28-34页 |
| ·拉普拉斯特征映射算法对于离群点的敏感性 | 第28-30页 |
| ·离群点检测算法 | 第30-31页 |
| ·鲁棒拉普拉斯特征映射算法 | 第31-34页 |
| ·实验部分 | 第34-38页 |
| ·ORL 人脸图像数据集 | 第34-36页 |
| ·UMIST 人脸图像数据集 | 第36-37页 |
| ·可视化实验 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 鲁棒半监督流形学习方法 | 第39-48页 |
| ·半监督局部线性嵌入算法(SSLLE)简介 | 第39-41页 |
| ·SSLLE 算法对于离群点的敏感性 | 第41-43页 |
| ·鲁棒半监督局部线性嵌入算法 | 第43-46页 |
| ·离群点检测 | 第43页 |
| ·鲁棒半监督局部线性嵌入算法 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 数值实验 | 第48-58页 |
| ·带有离群点的S_CURVE 数据实验 | 第48页 |
| ·手写数字识别实验 | 第48-51页 |
| ·OLIVETTIFACES 人脸数据识别实验 | 第51-53页 |
| ·YALE 人脸数据识别实验 | 第53-56页 |
| ·数据可视化实验 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结和展望 | 第58-61页 |
| ·本文总结 | 第58-59页 |
| ·未来工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66页 |
