声明
第1章 引言
1.1 研究背景和意义
1.2 国内外研究现状
1.3 研究内容及创新
1.4 论文结构
第2章 相关基础理论
2.1 数据降维技术概况
2.1.1 线性特征抽取算法
2.1.2 非线性特征抽取算法
2.2 增量学习技术概况
2.2.1 增量学习介绍
2.2.2 增量数据降维方法介绍
2. 3 本章小 结
第3章 偏最小二乘模型
3.1 偏最小二乘的研究背景
3.2 多因变量PLS算法
3.3 单因变量PLS算法
3.4 基于增量式学习的偏最小二乘模型的改进工作
3.5 本章小结
第4章 块增量偏最小二乘模型
4.1 增量式偏最小二乘算法
4.1.1 主投影方向的计算
4.1.2 其他投影方向的计算
4.2 块增量式偏最小二乘算法
4.2.1 主投影方向的计算
4.2.2 其他投影方向的计算
4.3 本章小结
第5章 实验结果与分析
5.1 生物蛋白质数据上的实验结果与分析
5.1.1 实验数据集
5.1.2 实验设置
5.1.3 实验结果和讨论
5.2 路透文本分类语料库上的实验结果与分析
5.2.1 实验数据集
5.2.2 实验设置
5.2.3 实验结果与讨论
5.3 本章小结
第6章 总结与展望
6.1 工作总结
6.2 工作展望
致谢
参考文献
在攻读学位期间的研究成果
南昌大学;