声明
1. 绪论
1.1 研究内容及意义
1. 图像处理
2. 文本数据
1.2 国内外研究现状
1.3 研究思路与内容
2. 变分自编码器初步降维
2.1 基本概念
信息量
平均信息量
Kullback-Leibler散度
边缘分布
后验分布
似然函数
2.2 生成模型
2.3 VAE降维基础—编码器
2.4 基于编码器的改进
2.4.1 变分推理
2.4.2 VAE简介
2.4.3 随机梯度变分贝叶斯评估器优化模型
2.4.4 重参数技巧
2.4.5 RMSprop算法训练模型
2.4.6 VAE变体形式
3. t分布随机邻域嵌入二次降维
3.1 非线性流形学习
3.2 随机邻域嵌入
3.3 t分布随机邻域嵌入进一步降维
3.4 Spearman相关系数
4. 降维数据的K-means聚类分析
4.1 算法原理
4.2 K值的选取
4.3 效果评价指标
4.4 基于聚类结果的有监督预测
5. 数值算例
5.1 数据集介绍
5.2 结果及分析
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学学位论文版权使用授权书