声明
摘要
1.绪论
1.1 研究背景
1.2 半监督学习
1.2.1 半监督分类
1.2.2 半监督聚类
1.3 论文的主要工作与架构安排
第二章 基于图的半监督分类方法
2.1 基于图的半监督学习概述
2.2 几种常见的基于图的半监督学习方法
2.2.1 最小割
2.2.2 基于高斯场和调和函数的方法
2.2.3 局部和全局一致性方法
2.2.4 流形正则化方法
2.3 图的构建
2.3.1 全连接图
2.3.2 K近邻图
2.3.3 ε近邻图
2.3.4 局部线性嵌入(LLE)图
2.3.5 L1图
2.4 本章小结
第三章 基于核低秩表示图的半监督分类
3.1 稀疏L1图
3.2 基于低秩表示的子空间分割
3.3 基于核低秩表示图的半监督分类
3.3.1 基于稀疏图的半监督分类
3.3.2 基于核低秩表示图的半监督分类算法
3.4 实验结果与分析
3.4.1 人工数据集实验
3.4.2 UCI数据集实验
3.4.3 人脸数据库实验
3.4.4 参数对算法性能的影响
3.4.5 算法鲁棒性分析
3.5 本章小结
第四章 基于KLRG和成对约束的半监督分类
4.1 半监督谱聚类中的成对约束
4.2 基于KLRG和成对约束的半监督学习算法
4.3 实验与结果分析
4.3.1.人脸数据库实验
4.3.2 手写体数据集实验
4.3.3 纹理图像分割实验
4.4 本章小结
第五章 基于KLRG和空间约束的高光谱地物分类
5.1 高光谱遥感简介
5.2 基于空间约束和KLRG的半监督分类算法
5.2.1 高光谱图像分类中的空间约束
5.2.2 基于KLRG和空间约束的半监督分类算法
5.3 高光谱图像实验与结果分析
5.3.1 Indiana Pines实验
5.3.2 Salinas-A实验
5.3.3 参数对算法性能的影响
5.4 小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
研究生期间的成果