论文目录 | |
摘要 | 第1-7页 |
Abstract | 第7-11页 |
第一章 绪论 | 第11-19页 |
· 引言 | 第11-12页 |
· 机器学习算法 | 第12-14页 |
· 对抗性学习理论概述 | 第14页 |
· 半监督学习算法概述及其存在的问题 | 第14-16页 |
· 半监督学习算法概述 | 第14-15页 |
· 半监督学习算法所存在的问题 | 第15-16页 |
· 国内外研究现状 | 第16-17页 |
· 论文组织架构 | 第17-18页 |
· 本章小结 | 第18-19页 |
第二章 半监督学习算法基本理论 | 第19-35页 |
· 半监督学习算法的产生背景 | 第19-21页 |
· 半监督学习算法的基础假设 | 第21-25页 |
· 平滑假设(Smoothness Assumption) | 第21-22页 |
· 流形假设(Manifold Assumption) | 第22-23页 |
· 聚类假设(Cluster Assumption) | 第23-25页 |
· 半监督分类算法 | 第25-34页 |
· 自训练算法(Self-training) | 第25-27页 |
· 协同训练算法(Co-training) | 第27-30页 |
· 基于EM算法的生成模型(Expectation Maximization with Generative Model) | 第30-31页 |
· 基于图论的算法(Graph-Based Algorithms) | 第31-32页 |
· 传导式支持向量机(Transductive SVM) | 第32-34页 |
· 本章小结 | 第34-35页 |
第三章 对抗性学习理论 | 第35-40页 |
· 对抗性学习 | 第35-36页 |
· 诱因攻击以及试探性攻击 | 第36-38页 |
· 诱因攻击(Causative Attacks) | 第36-37页 |
· 试探性攻击(Exploratory Attacks) | 第37-38页 |
· 对抗环境中半监督算法的鲁棒性研究的必要性 | 第38-39页 |
· 本章小结 | 第39-40页 |
第四章 自训练学习算法的攻击策略与分析 | 第40-51页 |
· 自训练学习算法分析 | 第40-43页 |
· 基于自训练的攻击算法 | 第43-46页 |
· 自训练算法的漏洞 | 第43-44页 |
· 基于自训练算法的诱因攻击策略 | 第44-46页 |
· 实验结果及分析 | 第46-47页 |
· 与误导攻击的对比 | 第47-49页 |
· 本章小结 | 第49-51页 |
第五章 协同训练算法的攻击策略与分析 | 第51-61页 |
· 协同训练算法分析 | 第51-54页 |
· 基于协同训练的USNB攻击算法 | 第54-56页 |
· 协同训练算法的漏洞 | 第54-55页 |
· 基于协同训练的USNB攻击策略 | 第55-56页 |
· 实验结果及分析 | 第56-59页 |
· 本章小结 | 第59-61页 |
总结与展望 | 第61-63页 |
参考文献 | 第63-67页 |
攻读硕士学位期间取得的研究成果 | 第67-68页 |
致谢 | 第68-69页 |
附表 | 第69页 |