| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 符号表 | 第7-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景与意义 | 第10-13页 |
| ·机器学习及其基本分类问题简介 | 第10-11页 |
| ·机器学习中的张量学习问题简介 | 第11-13页 |
| ·张量学习国内外研究现状 | 第13-14页 |
| ·本文的研究目标与研究内容 | 第14-15页 |
| ·论文的组织结构 | 第15-18页 |
| 第二章 理论基础 | 第18-34页 |
| ·张量理论 | 第18-26页 |
| ·张量的定义 | 第18-19页 |
| ·张量的基本运算 | 第19-22页 |
| ·张量分解与张量的秩 | 第22-26页 |
| ·支持向量机 | 第26-32页 |
| ·统计学习理论与结构风险最小准则 | 第26-28页 |
| ·极大间隔准则与支持向量机模型 | 第28-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 张量低秩映射与低秩支持张量机模型 | 第34-44页 |
| ·基于张量数据的分类问题的数学形式与张量学习的意义 | 第34-36页 |
| ·秩一映射与经典支持张量机 | 第36-39页 |
| ·低秩投影与低秩支持张量机模型 | 第39-42页 |
| ·小结 | 第42-44页 |
| 第四章 低秩支持张量机模型的求解算法与实际应用 | 第44-66页 |
| ·梯度下降法求解低秩支持张量机 | 第45-54页 |
| ·秩约束优化方法与无约束支持张量机问题 | 第46-49页 |
| ·低秩支持张量机的梯度与求解算法 | 第49-51页 |
| ·数值实验 | 第51-54页 |
| ·张量二步法求解低秩支持张量机 | 第54-64页 |
| ·低秩支持张量机模型的分解与二步求解算法 | 第54-57页 |
| ·张量二步法解的最优性研究 | 第57-60页 |
| ·数值实验 | 第60-64页 |
| ·本章小结 | 第64-66页 |
| 第五章 不平衡数据分类低秩支持张量机 | 第66-78页 |
| ·不平行平面分类思想与双子支持向量机简介 | 第66-68页 |
| ·不平衡数据分类与不平衡数据低秩支持张量机 | 第68-73页 |
| ·数值实验 | 第73-76页 |
| ·不平衡分类问题评价标准简介 | 第73-74页 |
| ·手写字母图片识别数据库 | 第74-76页 |
| ·本章小结 | 第76-78页 |
| 第六章 张量核方法与张量多标签分类问题 | 第78-86页 |
| ·核方法与张量核方法 | 第78-81页 |
| ·基于张量核方法的局部张量多标签分类模型 | 第81-82页 |
| ·数值实验 | 第82-85页 |
| ·多标签分类问题评价标准简介 | 第82-83页 |
| ·自然场景识别数据集 | 第83-85页 |
| ·本章小结 | 第85-86页 |
| 第七章 结论与展望 | 第86-88页 |
| ·结论 | 第86-87页 |
| ·展望 | 第87-88页 |
| 参考文献 | 第88-96页 |
| 致谢 | 第96-97页 |
| 个人简历 | 第97页 |