样本的几何信息在半监督学习中的应用研究--博士论文下载
当前位置：----
博硕论文分类列表
样本的几何信息在半监督学习中的应用研究
&&&&&论文目录
摘要第1-6页ABSTRACT第6-8页目录第8-11页第1章&绪论第11-21页&&&·课题背景第11-12页&&&&&·半监督学习第11页&&&&&·半监督学习和几何信息的联系第11-12页&&&·国内外研究现状第12-17页&&&&&·几何信息的研究第12-14页&&&&&·半监督学习的发展第14-16页&&&&&·面临的主要问题和挑战第16-17页&&&·本文研究意义和内容安排第17-21页&&&&&·本文的研究意义第17-18页&&&&&·内容安排第18-21页第2章&背景知识第21-31页&&&·内部维数估计第21-22页&&&·局部几何信息第22-24页&&&·距离测度第24-26页&&&·图谱的性质及其应用第26-28页&&&·标签派生和图的正则化第28-30页&&&·图的构造及其有效性第30-31页第3章&标记信息和几何信息的融合第31-43页&&&·标记约束和几何约束第31-33页&&&·半监督学习的正则化形式第33-34页&&&·流形融合第34-35页&&&&&·将标签逼近扩展为特殊的流形第34页&&&&&·流形融合第34-35页&&&·基于流形融合的半监督学习算法第35-38页&&&&&·构建节点可达的k-邻域连接图G第35-36页&&&&&·构建反映流形约束的逼近矩阵D第36页&&&&&·构建反映标签约束的逼近矩阵C第36页&&&&&·构建融合比例矩阵A第36-37页&&&&&·流形融合的优化求解第37-38页&&&&&·阈值的选取和归类判决第38页&&&·算法对应的电路模型第38-39页&&&·实验结果和讨论第39-41页&&&·本章小结第41-43页第4章&基于局部调和的归纳式分类第43-51页&&&·直推和归纳的概念第43页&&&·半监督局部调和SLLC第43-47页&&&&&·基于MFA的局部降维第44页&&&&&·利用局部调和实现全局拼接第44-45页&&&&&·基于图的标记平滑第45-47页&&&·实验结果与分析第47-49页&&&·本章小结第49-51页第5章&流形仿射对齐算法第51-59页&&&·流形对齐概述第51-52页&&&·半监督仿射对齐原理第52页&&&·半监督仿射对齐算法第52-55页&&&&&·Laplace图约束和非线性对齐第53-54页&&&&&·谱回归和仿射对齐第54-55页&&&·实验结果和分析第55-58页&&&·本章小结第58-59页第6章&多分辨率RANDOM-WALK的半监督图像分割第59-69页&&&·半监督图像分割算法比较第59-60页&&&·基于RANDOM-WALK算法的图像分割第60页&&&·多分辨率RANDOM-WALK算法第60-63页&&&&&·构造骨干图和图Laplace第61-62页&&&&&·争议区域和迭代分割第62-63页&&&&&·算法步骤第63页&&&·实验结果与分析第63-66页&&&·本章小结第66-69页第7章&空间几何信息对半监督学习的影响对比第69-87页&&&·几何信息和半监督学习第69页&&&·流形约束第69-72页&&&&&·点逼近第70-71页&&&&&·块逼近第71页&&&&&·逼近系数第71-72页&&&·流形约束的应用第72-73页&&&&&·半监督回归和分类第72页&&&&&·流形对齐第72-73页&&&·保持映射扩展第73-74页&&&·实验结果与讨论第74-86页&&&&&·回归实验第74-77页&&&&&·分类实验第77-84页&&&&&·流形对齐实验第84-86页&&&·本章小结第86-87页第8章&总结与展望第87-90页&&&·论文工作总结第87-89页&&&·未来工作展望第89-90页参考文献第90-104页致谢第104-105页在读期间发表的学术论文与取得的研究成果第105-106页
论文编号BS511727，这篇论文共<font color="#FF页会员购买按0.35元/页下载，共需支付<font color="#FF元。&&&&&&&&直接购买按0.5元/页下载，共需要支付53元 。
我还不是会员，我要！
会员下载论文更优惠!还送钱！
我只需要这一篇论文，无需注册！
直接网上支付，方便快捷！
&您可能感兴趣的论文
论文标题页数级别 61页硕士论文56页硕士论文78页硕士论文61页硕士论文63页硕士论文58页硕士论文82页硕士论文131页博士论文72页硕士论文70页硕士论文67页硕士论文109页博士论文62页硕士论文76页硕士论文
版权申明：本目录由网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。
Copyright(C) All Rights Reserved
联系方式： QQ:基于监督学习的稀疏编码及在数据表示中的应用--《控制与决策》2014年06期
基于监督学习的稀疏编码及在数据表示中的应用
【摘要】：针对稀疏编码在数据表示时没有利用样本类别信息的问题,提出一种基于监督学习的稀疏编码算法,并应用于数据表示.首先利用样本的类别信息构建图,直接提取样本的鉴别结构信息;然后利用基向量拟合鉴别结构特性向量,进而在基向量中嵌入样本的鉴别信息;最后对样本逐个进行稀疏表示.在COIL20和PIE图像库的实验结果表明,相比几种无监督矩阵分解算法,所提出的算法更利于样本的表示和分类.
【作者单位】：
【关键词】：
【基金】：
【分类号】：TP391.41【正文快照】：
0引言数据表示是图像处理和模式识别领域的重要课题,也是目前研究的热点问题之一.在过去几十年里,数据表示技术得到了很大进步,研究者相继提出了多种数据表示方法.目前,数据表示算法已广泛应用于机器学习、模式识别和计算机视觉等领域[1-4].Lee等[1]提出了非负矩阵分解(NMF)算
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【共引文献】
中国期刊全文数据库
张冰尘;戴博伟;;[J];电子与信息学报;2013年09期
王丽艳;韦志辉;;[J];电子与信息学报;2013年10期
陈洁;薄遵望;韩申生;;[J];光学学报;2013年09期
CAI YLI S;[J];Applied Mathematics:A Journal of Chinese Universities(Series B);2013年04期
李恩荣;陈明亮;龚文林;喻虹;韩申生;;[J];光学学报;2013年12期
李然;干宗良;崔子冠;朱秀昌;;[J];电视技术;2013年19期
孙虎;;[J];电子科技;2013年11期
冯梅;安美建;;[J];CT理论与应用研究;2013年04期
郑洪伟;李廷栋;;[J];地球物理学进展;2013年05期
孙晨;袁义明;杨长春;;[J];地球物理学进展;2013年05期
中国重要会议论文全文数据库
陶襄樊;陈美霞;;[A];第十四届船舶水下噪声学术讨论会论文集[C];2013年
Jianxun ZJihai H;[A];2012年计算机应用与系统建模国际会议论文集[C];2012年
Jian WDapeng Z;[A];中国科学院地质与地球物理研究所2013年度（第13届）学术论文汇编——地球深部结构与过程研究室[C];2014年
JDapeng ZZhenxing Y;[A];中国科学院地质与地球物理研究所2013年度（第13届）学术论文汇编——地球深部结构与过程研究室[C];2014年
Lian-Feng ZXiao-Bi XWei-Min WJin-Hai ZZhen-Xing Y;[A];中国科学院地质与地球物理研究所2013年度（第13届）学术论文汇编——地球深部结构与过程研究室[C];2014年
孙晨;袁义明;杨长春;;[A];中国科学院地质与地球物理研究所2013年度（第13届）学术论文汇编——油气资源研究室[C];2014年
胥颐;杨晓涛;刘建华;;[A];中国科学院地质与地球物理研究所2013年度（第13届）学术论文汇编——油气资源研究室[C];2014年
Yan L?;Bin LSidao Ni;Shunping P;[A];中国科学院地质与地球物理研究所2013年度（第13届）学术论文汇编——特提斯研究中心[C];2014年
中国博士学位论文全文数据库
刘小林;[D];中国科学技术大学;2013年
卢涛;[D];武汉大学;2013年
查长军;[D];安徽大学;2013年
丁昕苗;[D];中国矿业大学（北京）;2013年
王法松;[D];西安电子科技大学;2013年
宋相法;[D];西安电子科技大学;2013年
李彦兵;[D];西安电子科技大学;2013年
张选德;[D];西安电子科技大学;2013年
李志雄;[D];武汉理工大学;2013年
廖秀秀;[D];华南理工大学;2013年
中国硕士学位论文全文数据库
李建伟;[D];北方工业大学;2013年
刘京川;[D];北京邮电大学;2013年
陈致豪;[D];西南交通大学;2013年
宋腾;[D];郑州大学;2013年
谢贞辉;[D];安徽大学;2013年
仇乐乐;[D];安徽大学;2013年
蔡霞;[D];天津理工大学;2013年
段世芳;[D];天津理工大学;2013年
郭凯;[D];天津理工大学;2013年
杨阳;[D];兰州理工大学;2013年
【相似文献】
中国期刊全文数据库
曾碧卿,陈敏,邓会敏,曾志文;[J];信息技术;2005年08期
刘滨海,闻烽,王剑琪,张晨曦;[J];国防科技大学学报;1990年02期
李旭章;;[J];计算机教育;2009年22期
张绪辉;罗忠;;[J];湖北教育学院学报;2007年08期
孙俊,王文渊,卓晴;[J];清华大学学报(自然科学版);2002年03期
马笳;[J];信息技术教育;2003年09期
陈才扣,高林,杨静宇;[J];计算机工程;2005年08期
徐勇,张重阳,杨静宇;[J];南京理工大学学报(自然科学版);2005年01期
顾剑;[J];海南大学学报(自然科学版);2003年02期
宋文;;[J];科技信息(科学教研);2007年11期
中国重要会议论文全文数据库
尚丽;;[A];苏州市自然科学优秀学术论文汇编()[C];2010年
卢清;赵治栋;;[A];浙江省信号处理学会2011学术年会论文集[C];2011年
朱岩;赵旭;刘允才;;[A];第十五届全国图象图形学学术会议论文集[C];2010年
陈跃飞;丁大志;;[A];2011年全国微波毫米波会议论文集（下册）[C];2011年
靳传红;张为;;[A];全国肿瘤护理学术交流暨专题讲座会议论文汇编[C];2005年
陈才扣;崔美琳;曹丽;刘永俊;;[A];第二十七届中国控制会议论文集[C];2008年
钱乐乐;高隽;徐小红;;[A];第七届全国信息获取与处理学术会议论文集[C];2009年
邹天治;宋鸣;李杰敏;;[A];首届全国毒品检验技术交流会论文集[C];1997年
吴小俊;王士同;杨静宇;刘同明;;[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年
王晓伟;石林锁;成浩;;[A];第十七届全国测控计量仪器仪表学术年会（MCMI'2007）论文集（上册）[C];2007年
中国重要报纸全文数据库
姚启红 谢飞;[N];计算机世界;2006年
本报记者　 徐广蓉;[N];21世纪经济报道;2006年
方舟;[N];中国社会报;2008年
肖莉;[N];东方早报;2007年
高鹏?见习记者
高世阳;[N];中华工商时报;2007年
马超彦?实习记者
包涵;[N];华夏时报;2007年
中国科学院计算技术研究所
彭晖?史忠植;[N];计算机世界;2007年
那复祺?丛佳佳
编译;[N];第一财经日报;2008年
王斌;[N];第一财经日报;2008年
高博;[N];电脑报;2004年
中国博士学位论文全文数据库
季昊;[D];北京邮电大学;2012年
吴小俊;[D];南京理工大学;2002年
孙俊;[D];清华大学;2001年
高秀梅;[D];南京理工大学;2004年
刘海宁;[D];上海交通大学;2011年
严春满;[D];西安电子科技大学;2012年
尚凡华;[D];西安电子科技大学;2012年
陈才扣;[D];南京理工大学;2004年
徐勇;[D];南京理工大学;2004年
徐小红;[D];合肥工业大学;2009年
中国硕士学位论文全文数据库
李敏;[D];南京邮电大学;2013年
李鹏;[D];哈尔滨工业大学;2010年
齐晓锐;[D];西安电子科技大学;2013年
何思斌;[D];五邑大学;2010年
钱康;[D];上海交通大学;2012年
万翠兰;[D];云南大学;2012年
唐迅;[D];哈尔滨工业大学;2013年
刘涛;[D];大连理工大学;2013年
王媛媛;[D];国防科学技术大学;2011年
李威;[D];郑州大学;2013年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备74号支持向量机及半监督学习中若干问题的研究—博士毕业论文
广告载入中...
全站论文库
硕士博士论文库
普通期刊论文库
支持向量机及半监督学习中若干问题的研究
[博士毕业论文]论文目录&摘要第1-7
页ABSTRACT第7-14
页第一章 绪论第14-34
页　　· 引言第14-15
页　　· SVM 研究背景及现状第15-25
页　　　　· 机器学习的发展概述第15-17
页　　　　· SVM 的理论基础—统计学习理论第17-20
页　　　　· SVM 的原理及研究现状第20-25
页　　· 半监督学习的研究背景和现状第25-31
页　　　　· 半监督学习的发展起源第25-27
页　　　　· 半监督学习的发展现状和几种主要方法第27-31
页　　　　· 半监督学习的应用现状第31
页　　· 全文的主要研究内容和安排第31-34
页第二章 基于壳向量和中心向量的 SVM第34-48
页　　· 引言第34-35
页　　· 中心支持向量机简介第35-38
页　　· 利用壳向量和中心向量建立 SVM第38-42
页　　　　· 壳向量第38-40
页　　　　· 中心向量第40-41
页　　　　· 基于壳向量和中心向量的 SVM 学习算法第41-42
页　　· 实验结果及分析比较第42-46
页　　　　· 模拟数据的实验结果及分析第42-44
页　　　　· 真实数据的实验结果及分析第44-46
页　　· 本章小结第46-48
页第三章 不平衡最小二乘支持向量机第48-58
页　　· 引言第48-49
页　　· 分类器性能评价的标准第49-50
页　　· 最小二乘支持向量机(LSSVM)简介第50-51
页　　· 不平衡最小二乘支持向量机(ILSSVM)算法第51-54
页　　　　· 理论分析第51
页　　　　· ILSSVM 的模型建立第51-54
页　　· 数值实验第54-56
页　　· 本章小结第56-58
页第四章 2ν? SSPC—一种不平衡数据分类的方法第58-68
页　　· 引言第58
页　　· SSPC 简介第58-61
页　　· 2ν?SSPC 算法第61-66
页　　　　· 2ν?SSPC 的优化模型第61-62
页　　　　· 2ν?SSPC 的性质第62-65
页　　　　· 不平衡数据分离中2ν?SSPC 的参数选择方法第65-66
页　　· 实验结果和分析第66-67
页　　· 本章小结第67-68
页第五章 改进的渐进直推式支持向量机算法第68-86
页　　· 引言第68-69
页　　· 直推式支持向量机(TSVM)算法简介第69-70
页　　· 渐进直推式支持向量机(TSVM)算法简介第70-71
页　　· 改进的渐进直推式支持向量机(TSVM)的学习算法(1)—IPTSVM第71-75
页　　　　· IPTSVM 算法的成对标注法第72-73
页　　　　· IPTSVM 算法的增量学习算法第73-74
页　　　　· IPTSVM 算法的主要步骤第74-75
页　　· 改进的渐进直推式支持向量机(TSVM)的学习算法(2)—RPTSVM第75-79
页　　　　· 支持向量域描述(SVDD)第76-77
页　　　　· 基于 SVDD 的可信度函数设计及基于可信度的区域标注法第77-78
页　　　　· RPTSVM 算法的步骤第78-79
页　　· 实验结果和分析第79-84
页　　　　· 模拟数据集上的实验第79-82
页　　　　· Reuters 数据集上的实验第82-84
页　　· 本章小结第84-86
页第六章 支持向量机的一种推广算法的直推式学习第86-96
页　　· 引言第86-87
页　　· 基于一个球的模式分类的渐进直推式学习算法(SSPCPT)第87-91
页　　　　· SSPCPT 简介第87-90
页　　　　· SSPCPT 算法步骤第90-91
页　　　　· 多类分类的SSPCPT第91
页　　· 实验及结果分析第91-95
页　　　　· 人造数据集上的实验第91-93
页　　　　· 真实数据集上的实验第93-95
页　　· 本章小结第95-96
页第七章 半监督野点探测问题第96-112
页　　· 引言第96-97
页　　· FCM,RCM,FRCM 的简介第97-102
页　　　　· FCM 简介第97-99
页　　　　· RCM 简介第99-101
页　　　　· FRCM 简介第101-102
页　　· FRSSOD 算法第102-107
页　　　　· FRSSOD 算法由来第102-103
页　　　　· FRSSOD 算法描述第103-104
页　　　　· FRSSOD 算法步骤及分析第104-107
页　　· 实验及结果分析第107-111
页　　　　· 人造数据集上的实验第107-109
页　　　　· 真实数据集上的实验第109-111
页　　· 本章小结第111-112
页结束语第112-114
页参考文献第114-126
页致谢第126-128
页攻读博士学位期间的研究成果第128-129
页参加的科研项目第129-130
本篇论文共<font color='#FF页，。
相关毕业论文分类
更多相关毕业论文
广告载入中...
&&版权申明：本目录由硕博毕业论文网制作，本站并未收录论文原文，如果你是作者，需要删除这篇论文目录，请通过以下QQ或其它联系方式告知我们，将在24小时内删除。
||||||||| |
Copyright(C) All Rights Reserved
广告载入中...高维数据上的半监督学习研究--《华南理工大学》2013年博士论文
高维数据上的半监督学习研究
【摘要】：随着信息技术的快速发展，各个行业收集到的数据越来越多，如何有效地从这些数据中挖掘出有帮助作用的信息，可以极大地促进这些行业的发展。机器学习是数据挖掘、知识发现的基础之一，它是当前及未来计算机科学中的一个热点方向。传统的机器学习主要针对监督式学习问题，要求训练样本的标记齐全，处理的数据维度一般不高。然而，随着数据采集技术的发展和广泛使用，采集到的样本不仅属性数量多、属性之间高度相关，而且有标记的样本极少，传统的机器学习方法难以在这些样本上进行有效地学习，急需能够综合利用大量无标记样本和少量有标记样本的机器学习模式。
半监督学习能够综合利用有标记样本和无标记样本来提高学习器的泛化能力，近年来成为机器学习领域的热点方向之一。当前的半监督学习方法，特别是基于图的半监督学习方法，很多都只关注如何平衡利用无标记样本和有标记样本，却忽视了另一个更基础和更重要的问题，那就是如何在这些样本上构造能够真实反映样本之间相似关系的图，特别是在高维样本上。因为随着样本维度的增多，噪声特征和冗余特征也被大量引入，很多常用的距离度量并不能较好地刻画样本之间的相似性关系，基于这些距离也不能定义结构良好的图，而基于图的半监督学习中正是通过图来综合利用有标记样本和无标记样本。因此，如何在高维样本上构造图，是基于图的半监督学习方法在高维数据上有效性的关键，这也是其它基于图的学习方法成败的关键。
本文针对高维数据上基于图的半监督学习存在的问题，以如何在高维数据上构图为出发点，以提高半监督学习的精度为目标，以度量学习和集成学习为基本手段，对基于图的半监督维数约减、半监督分类和半监督多标记分类展开深入研究，提出了一些构图方案，并把它们结合到基于图的半监督学习中。全文的主要贡献包括：
1、提出一种增强型保局投影方法(ELPP)及其半监督版本(SELPP)。ELPP针对经典的保局投影方法(LPP)在高维数据上降维效果不佳和参数敏感的问题，利用鲁棒路径相似性度量构图，并应用到LPP的目标方程中。实验分析表明，ELPP不仅获得了较原始LPP更高的分类精度，而且对噪声特征和各种参数输入鲁棒，这也说明图结构在图嵌入方法中的重要性。SELPP继承了ELPP的所有优点，可以利用同类约束进一步提高降维结果的质量。实验表明，SELPP优于其它相关的半监督维数约减方法。
2、提出一种混合图构造策略并把它应用到基于边信息的半监督维数约减中，进而提出基于混合图的半监督维数约减方法(MGSSDR)。MGSSDR不仅可以利用同类约束和未标记数据，它还可以利用异类约束进行维数约减。分析表明，MGSSDR的时间复杂度低于ELPP，它降维后的分类精度也高于其它相关方法，对噪声特征和近邻参数的输入也较鲁棒。混合图构建策略还可以应用到其它基于图的学习方法中。
3、提出一种基于随机子空间降维的半监督分类方法(SSC-RSDR)。SSC-RSDR首先在多个随机生成的子空间上进行基于图的半监督维数约减，其次在这些维数约减后的子空间上构造多个k近邻图，再在这些图上分别训练半监督非线性分类器，最后融合这些分类器为一个集成分类器。实验结果表明，SSC-RSDR的分类精度不仅高于其它相关方法，而且对很多输入参数都很鲁棒，它较好地平衡了基础分类器之间的精确性和差异性，同时也克服了混合图依赖于子空间大小的不足。SSC-RSDR的图构造策略还可以应用到其它基于图的半监督学习方法中。
4、提出一种子空间上的半监督集成分类方法(SSEC)，该方法在多个划分的子间上构造多个k近邻图，再在这些图上训练半监督线性分类器(SSLC)，最后把这些分类器进行投票集成。理论分析表明SSEC的时间复杂度低于SSC-RSDR。在高维人脸图像数据集上的实验结果表明，SSEC避免了随机子空间方法可能丢失重要特征的风险，它无需复杂的图优化过程，分类精度超过多种基于图优化的半监督分类方法，对多个输入参数也很鲁棒。子空间上的SSLC比原始空间上的SSLC拥有更高的精度，这证实了高维数据中的确存在大量的冗余特征和在子空间进行集成分类的合理性。
5、提出一种有向双关系图，它可以克服无向双关系图容易出现标签覆盖的不足，基于有向双关系图提出一种直推多标记分类方法(TMC)和直推多标记集成分类方法(TMEC)，并把它们应用到异构多数据源的蛋白质功能预测中。实验结果表明有向双关系图比无向双关系图效果要好，基于分类器集成的方法比基于多核集成的方法更适合蛋白质功能预测任务。
【关键词】：
【学位授予单位】：华南理工大学【学位级别】：博士【学位授予年份】：2013【分类号】：TP181【目录】：
摘要5-7Abstract7-10目录10-13图索引13-15表索引15-16主要符号表16-17第一章 绪论17-39 1.1 课题背景及意义17-19 1.2 半监督学习19-31
1.2.1 半监督分类22-25
1.2.2 半监督聚类25-27
1.2.3 半监督降维27-30
1.2.4 半监督学习与集成学习30
1.2.5 半监督学习与多标记学习30-31 1.3 图构造策略31-34
1.3.1 近邻图31-32
1.3.2 利用领域知识构图32
1.3.3 利用局部调整构图32
1.3.4 稀疏表示构图32-33
1.3.5 多图融合构图33
1.3.6 其它构图方法33-34 1.4 半监督学习在高维数据上的难题34-35 1.5 研究目标、内容及创新点35-36 1.6 本文的组织36-39第二章 半监督维数约减研究39-59 2.1 基于鲁棒路径相似度的增强保局投影39-52
2.1.1 相关工作39-40
2.1.2 保局投影方法40-41
2.1.3 鲁棒路径相似性度量41-44
2.1.4 增强保局投影44-45
2.1.5 半监督增强保局投影45-46
2.1.6 实验及分析46-52 2.2 基于混合图的半监督维数约减52-58
2.2.1 混合图构造52-53
2.2.2 基于混合图的半监督降维53-54
2.2.3 实验及分析54-58 2.3 本章小结58-59第三章 基于随机子空间降维的半监督分类59-82 3.1 相关工作60-62
3.1.1 基于随机子空间的集成分类方法60-61
3.1.2 基于图优化的半监督分类61
3.1.3 与相关工作的不同之处61-62 3.2 随机子空间降维62-67
3.2.1 原始空间上的半监督维数约减63-65
3.2.2 随机子空间上的半监督维数约减65-66
3.2.3 与其它半监督维数约减方法的区别66-67 3.3 半监督集成分类67-71
3.3.1 半监督非线性分类67-69
3.3.2 半监督集成分类69-71 3.4 实验与分析71-80
3.4.1 不同数量有标记样本下的分类性能72-73
3.4.2 精度和差异性分析73-75
3.4.3 参数敏感性分析75-80 3.5 本章小结80-82第四章 子空间上的半监督集成分类82-103 4.1 相关工作83-86
4.1.1 基于子空间的集成分类方法83-84
4.1.2 基于图优化的半监督分类方法84-85
4.1.3 与相关工作的不同之处85-86 4.2 半监督线性分类器86-88 4.3 子空间上的集成分类器88-92 4.4 实验与分析92-101
4.4.1 不同数量有标记样本下的分类性能93-95
4.4.2 集成分类器的精度和差异性分析95-98
4.4.3 参数敏感性分析98-101 4.5 本章小结101-103第五章 直推多标记集成分类103-120 5.1 相关工作104-106
5.1.1 基于多标记学习的蛋白质功能预测104-105
5.1.2 基于数据集成的蛋白质功能预测105-106 5.2 基于有向双关系图的多标记直推分类106-110 5.3 直推多标记集成分类110-112 5.4 实验分析112-119
5.4.1 有向双关系图与无向双关系图114-116
5.4.2 多核与单核116-117
5.4.3 参数敏感性分析117-119 5.5 本章小结119-120结论与展望120-123参考文献123-135攻读博士学位期间取得的研究成果135-138致谢138-140答辩委员会对论文的评定意见140
欢迎：、、)
支持CAJ、PDF文件格式
【参考文献】
中国期刊全文数据库
詹德川,周志华;[J];计算机研究与发展;2005年09期
王玲;薄列峰;焦李成;;[J];软件学报;2007年10期
尹学松;胡思良;陈松灿;;[J];软件学报;2008年11期
肖宇;于剑;;[J];软件学报;2008年11期
韦佳;彭宏;;[J];软件学报;2008年11期
曾宪华;罗四维;王娇;赵嘉莉;;[J];软件学报;2009年04期
魏莱;王守觉;;[J];软件学报;2010年10期
陈诗国;张道强;;[J];软件学报;2011年01期
【共引文献】
中国期刊全文数据库
蔡坤琪;;[J];安徽电子信息职业技术学院学报;2012年01期
刘金红;陆余良;施凡;宋舜宏;;[J];安徽大学学报(自然科学版);2009年04期
潘希姣;;[J];安徽建筑工业学院学报(自然科学版);2007年02期
李亭;杨敬锋;彭晓琴;陈志民;;[J];安徽农业科学;2008年25期
时雷;虎晓红;席磊;段其国;;[J];安徽农业科学;2008年26期
钟尚平;林静;;[J];北京交通大学学报;2009年02期
林正奎;唐焕玲;鲁明羽;王敬东;;[J];北京交通大学学报;2009年06期
万春红;邵超;;[J];北京交通大学学报;2009年06期
秦洋;王立宏;武栓虎;宋宜斌;;[J];北京交通大学学报;2009年06期
刘利;韦佳;马千里;;[J];北京交通大学学报;2010年05期
中国重要会议论文全文数据库
叶红云;倪志伟;陈恩红;;[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
董冀媛;穆志纯;欧阳定恒;;[A];第二十九届中国控制会议论文集[C];2010年
杜方键;杨宏晖;;[A];2011'中国西部声学学术交流会论文集[C];2011年
贾少春;胡秀珍;;[A];第四届全国生物信息学与系统生物学学术大会论文集[C];2010年
李胜朋;王洪礼;冯剑丰;;[A];第九届全国振动理论及应用学术会议论文集[C];2007年
蒋全胜;贾民平;胡建中;许飞云;;[A];第九届全国振动理论及应用学术会议论文集[C];2007年
杜晓凤;丁友东;;[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年
夏俊士;杜培军;张伟;;[A];中国测绘学会2010年学术年会论文集[C];2010年
谢程利;王金桥;卢汉清;;[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年
徐云峰;;[A];第二十一次全国计算机安全学术交流会论文集[C];2006年
中国博士学位论文全文数据库
赵莹;[D];哈尔滨工程大学;2010年
于化龙;[D];哈尔滨工程大学;2010年
梁洪;[D];哈尔滨工程大学;2010年
徐森;[D];哈尔滨工程大学;2010年
邬俊;[D];大连海事大学;2010年
宋军;[D];中国海洋大学;2010年
李书艳;[D];兰州大学;2010年
姚志明;[D];中国科学技术大学;2010年
高山;[D];南开大学;2010年
邓斌;[D];电子科技大学;2010年
中国硕士学位论文全文数据库
马冉冉;[D];山东科技大学;2010年
吕万里;[D];山东科技大学;2010年
朱耿峰;[D];山东科技大学;2010年
吴晓婷;[D];辽宁师范大学;2010年
石国强;[D];郑州大学;2010年
陈松峰;[D];郑州大学;2010年
吴正娟;[D];郑州大学;2010年
曹彦;[D];郑州大学;2010年
周驰;[D];郑州大学;2010年
左国辉;[D];哈尔滨工程大学;2009年
【二级参考文献】
中国期刊全文数据库
王玲;薄列峰;焦李成;;[J];电子学报;2007年08期
詹德川,周志华;[J];计算机研究与发展;2005年09期
罗四维;赵连伟;;[J];计算机研究与发展;2006年07期
王玲;薄列峰;焦李成;;[J];软件学报;2007年10期
彭岩;张道强;;[J];软件学报;2008年11期
【相似文献】
中国期刊全文数据库
李永忠;王汝山;张念贵;王玉雷;;[J];江苏科技大学学报(自然科学版);2010年04期
傅向华,冯博琴,马兆丰,何明;[J];西安交通大学学报;2004年06期
丁磊,钱云涛;[J];计算机应用与软件;2004年06期
张晨光;李玉鑑;;[J];计算机工程与应用;2009年21期
刘叶青;刘三阳;谷明涛;;[J];计算机科学;2009年07期
杨绪兵;潘志松;陈松灿;;[J];模式识别与人工智能;2009年03期
鲁珂,赵继东,叶娅兰,曾家智;[J];电子科技大学学报;2005年05期
罗进;周学君;;[J];湖北大学学报(自然科学版);2008年01期
曹慧;刘玉峰;;[J];广西轻工业;2008年12期
王汝山;李永忠;张念贵;王玉雷;;[J];广西师范大学学报(自然科学版);2009年03期
中国重要会议论文全文数据库
谷方明;刘大有;王新颖;;[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年
杨源;马云龙;林鸿飞;;[A];中国计算语言学研究前沿进展（）[C];2011年
朱松豪;梁志伟;;[A];第二十九届中国控制会议论文集[C];2010年
邱慧宁;黄剑;陈羽;赖剑煌;;[A];第十四届全国图象图形学学术会议论文集[C];2008年
毕锦烟;李巍华;;[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
柳斌;李之棠;涂浩;;[A];2008年全国开放式分布与并行计算机学术会议论文集(下册)[C];2008年
张召;业宁;业巧林;;[A];第五届全国信息检索学术会议论文集[C];2009年
王倩影;冯国灿;汤鑫;;[A];第十五届全国图象图形学学术会议论文集[C];2010年
冯瑞;宋春林;;[A];2007中国控制与决策学术年会论文集[C];2007年
何慧;陈博;郭军;;[A];第五届全国信息检索学术会议论文集[C];2009年
中国博士学位论文全文数据库
孔怡青;[D];江南大学;2009年
王娇;[D];北京交通大学;2010年
兰远东;[D];华南理工大学;2012年
徐雪;[D];中国科学技术大学;2010年
朱岩;[D];北京交通大学;2012年
桂杰;[D];中国科学技术大学;2010年
潘俊;[D];浙江大学;2011年
余国先;[D];华南理工大学;2013年
赵志凯;[D];中国矿业大学;2012年
任广波;[D];中国海洋大学;2010年
中国硕士学位论文全文数据库
陈新勇;[D];河北大学;2010年
黄明明;[D];大连理工大学;2010年
冯元佶;[D];湘潭大学;2010年
余养强;[D];福建师范大学;2010年
刘伟涛;[D];山东大学;2011年
杨伟;[D];国防科学技术大学;2011年
魏征丽;[D];西安电子科技大学;2012年
刘孝良;[D];中国海洋大学;2013年
惠成峰;[D];南京大学;2013年
王竞燕;[D];北京工商大学;2012年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备74号