基于核向量机的大规模半监督分类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-12页 |
| ·课题背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文的主要工作 | 第10-12页 |
| 第二章 半监督分类算法概述 | 第12-25页 |
| ·半监督分类问题的数学表示 | 第12页 |
| ·无标注数据在半监督分类中的作用 | 第12-15页 |
| ·理论证明 | 第13-14页 |
| ·实验验证 | 第14-15页 |
| ·半监督分类中的典型算法 | 第15-24页 |
| ·模拟退火算法 | 第15-16页 |
| ·选择候选支撑向量机的增量学习算法 | 第16-19页 |
| ·法转导式大样本支持向量机学习算法 | 第19-22页 |
| ·基于局部和全局连续型学习算法 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于核向量机的半监督分类算法 | 第25-43页 |
| ·基于核向量机的半监督分类算法概述 | 第25-26页 |
| ·基于图的聚类算法 | 第26-32页 |
| ·传统聚类算法的不足 | 第26-28页 |
| ·基于图的聚类算法解决方案 | 第28-29页 |
| ·基于图的聚类算法 | 第29-31页 |
| ·聚类算法的去噪功能 | 第31-32页 |
| ·核向量机在半监督分类中的应用 | 第32-36页 |
| ·算核向量机历史背景 | 第32页 |
| ·两个基本问题描述 | 第32-33页 |
| ·有监督分类算法思路 | 第33-34页 |
| ·有监督分类的详细过程 | 第34-35页 |
| ·核向量在半监督分类中的应用 | 第35-36页 |
| ·基于核向量机的半监督分类算法 | 第36-39页 |
| ·基于核向量机的DA 算法 | 第37-38页 |
| ·基于核向量机的CCCP 算法 | 第38-39页 |
| ·算法收敛性和复杂性分析 | 第39-41页 |
| ·单分类CVM 算法收敛性证明 | 第39-40页 |
| ·算法复杂性分析 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 实验及应用 | 第43-52页 |
| ·标准数据集上的实验及结果分析 | 第43-48页 |
| ·实验环境 | 第43页 |
| ·实验数据 | 第43-48页 |
| ·半监督分类算法在电力负荷预测中的应用 | 第48-50页 |
| ·应用背景 | 第48页 |
| ·实验结果及分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 附件 | 第59页 |
