声明
摘要
第1章 绪论
1.1 引言
1.2 研究背景
1.3 本文研究内容
1.4 本文结构安排
第2章 相关研究与技术
2.1 引言
2.2 半监督超限学习机
2.2.2 超限学习机模型设定与求解
2.2.3 半监督超限学习机模型设定与求解
2.3 稀疏贝叶斯学习
2.3.1 模型设定
2.3.2 稀疏先验
2.3.3 后验概率与模型参数求解
2.4 半监督学习
2.4.1 半监督学习假设
2.4.2 半监督学习算法
2.5 本章小结
第3章 基于期望最大化的稀疏贝叶斯半监督超限学习机
3.1 引言
3.2 拉普拉斯矩阵和流形正则化框架的优化
3.2.1 拉普拉斯矩阵的优化
3.2.2 流形正则化框架
3.3 模型设定与求解
3.3.1 定义稀疏流形先验
3.3.2 期望最大化算法最大化后验概率
3.4 基于期望最大化算法的模型实现
3.5 算法复杂度分析
3.6 实验与结果分析
3.6.1 实验设置
3.6.2 同类算法对比与分析
3.6.3 模型预测准确率敏感性实验与分析
3.6.4 有标记样本数据占比准确率实验与分析
3.6.5 邮件数据集实验
3.7 本章小结
第4章 基于拉普拉斯近似的稀疏贝叶斯半监督超限学习机
4.1 引言
4.2 模型设定
4.3 模型求解
4.3.1 设置伯努利似然函数
4.3.2 最大化边际似然
4.4 基于拉普拉斯近似的模型实现
4.5 期望最大化算法与拉普拉斯近似方法对比
4.6 实验与结果分析
4.6.1 实验设置
4.6.2 同类算法对比分析
4.6.3 本章算法与第三章 算法对比分析
4.7 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果