文摘
英文文摘
引言
一、课题研究背景与意义
二、本文内容与安排
三、本文的主要创新工作
第一章 目前各种方法在流形学习中的应用
1.1 主成分分析方法
1.2 多维等级分析方法
1.3 局部线性嵌入方法
1.4 独立分量分析方法
1.5 Laplacian Eigenmaps方法
1.6 Hessian Eigenmaps方法
1.7 k-NN方法
1.8 本章小节
第二章 R-Isomap方法
2.1 Isomap方法在流形学习中的应用
2.2 R-ISOMAP方法在流形学习中的应用
2.3 本章小节
第三章 偏心权距离方法
3.1 LLE(Locally linear embedding)方法
3.2 偏心权距离方法
3.2.1 变形分布
3.2.2 偏心权距离
3.3 本章小节
第四章 应用偏心权距离的R-isomap降维方法
第五章 实验结果分析和比较
5.1 3D聚类样本集合
5.2 双峰图数据集合
5.3 折叠平面数据集合
5.4 本章小节
结论
参考文献
附录A
附录B
附录C
致谢
在学期间公开发表论文及著作情况