| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·引言 | 第10-11页 |
| ·研究背景及研究的目的和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·本文主要的研究内容 | 第16-17页 |
| ·本文组织结构 | 第17-18页 |
| 第2章 典型降维算法 | 第18-27页 |
| ·基本概念 | 第18-19页 |
| ·线性降维算法 | 第19-22页 |
| ·主成分分析 | 第20-21页 |
| ·多维尺度变换 | 第21-22页 |
| ·典型流形学习算法 | 第22-26页 |
| ·等距映射 | 第22-24页 |
| ·局部线性嵌入 | 第24-25页 |
| ·极大方差展开 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 中心对称黎曼流形数据类型的判别 | 第27-37页 |
| ·引言 | 第27页 |
| ·流形学习算法“数据适用性问题”分析 | 第27-32页 |
| ·等距映射算法 | 第27-28页 |
| ·等角映射算法 | 第28-29页 |
| ·流形学习算法“数据适用性问题”分析 | 第29-32页 |
| ·中心对称流形数据类型的判别 | 第32-36页 |
| ·“数据适用性问题”的解决思路 | 第32页 |
| ·中心对称流形数据类型判别算法的理论依据 | 第32-33页 |
| ·中心对称流形数据类型判别算法 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 综合的非连通流形学习算法 | 第37-47页 |
| ·引言 | 第37页 |
| ·非连通性问题描述 | 第37-38页 |
| ·非连通流形学习算法介绍 | 第38-41页 |
| ·第一种主要的改进方法 | 第38页 |
| ·第二种主要的改进方法 | 第38-41页 |
| ·分解整合类算法局限性分析 | 第41-42页 |
| ·综合的非连通流形学习算法 | 第42-45页 |
| ·分解整合类算法局限性解决思路 | 第42-43页 |
| ·综合的非连通流形学习算法 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第5章 实验结果与分析 | 第47-52页 |
| ·实验环境配置 | 第47页 |
| ·中心对称流形数据类型判别算法实验 | 第47-49页 |
| ·数据选取与实验内容 | 第47页 |
| ·Swiss Roll 人工数据实验结果与分析 | 第47-48页 |
| ·Punctured Sphere 人工数据实验结果与分析 | 第48-49页 |
| ·Twin Peaks 人工数据实验结果与分析 | 第49页 |
| ·综合的非连通流形学习算法实验 | 第49-51页 |
| ·数据选取与实验内容 | 第49页 |
| ·算法对 3 类数据集的实验结果与分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |