| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1 章 绪论 | 第8-13页 |
| ·论文的研究背景及研究意义 | 第8-9页 |
| ·国内外研究现状与分析 | 第9-11页 |
| ·半监督学习研究现状 | 第9-10页 |
| ·基于图的半监督学习研究现状 | 第10-11页 |
| ·目前存在的问题 | 第11页 |
| ·论文的主要工作 | 第11页 |
| ·论文的结构安排 | 第11-13页 |
| 第2 章 基于图的半监督学习 | 第13-23页 |
| ·标签传播 | 第14-16页 |
| ·图的构造 | 第16-17页 |
| ·高斯随机域与调和函数 | 第17-21页 |
| ·高斯随机域 | 第17-18页 |
| ·图的拉普拉斯算子 | 第18-19页 |
| ·调和函数 | 第19-21页 |
| ·CMN 准则 | 第21页 |
| ·小结 | 第21-23页 |
| 第3 章 多标签分类中的标签相关性 | 第23-34页 |
| ·多标签分类问题 | 第23-24页 |
| ·标签的相关性理论 | 第24-25页 |
| ·带多标签Spearman 相关系数矩阵的基于图的半监督学习算法 | 第25-28页 |
| ·Spearman 相关系数 | 第25-26页 |
| ·MLQ-GRF 算法 | 第26-28页 |
| ·实验结果及分析 | 第28-32页 |
| ·小结 | 第32-34页 |
| 第4 章 图的权值矩阵改进 | 第34-44页 |
| ·边的“锐化”理论 | 第34-35页 |
| ·图的优化思想 | 第35-40页 |
| ·最优化权值矩阵理论 | 第35-38页 |
| ·权值矩阵的分块优化 | 第38-40页 |
| ·实验及结果分析 | 第40-42页 |
| ·小结 | 第42-44页 |
| 第5 章 结论与展望 | 第44-46页 |
| ·结论 | 第44页 |
| ·展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 附录A (攻读硕士学位期间投发的论文) | 第50页 |