封面
声明
中文摘要
英文摘要
目录
第1章 绪论
1.1 课题背景及意义
1.2 国内外研究现状
1.3 本文主要研究内容
1.4 本文组织结构
第2章 一类分类器基础
2.1 一类分类器的数学模型
2.2 基于密度函数估计的一类分类模型
2.3 基于聚类方法的一类分类模型
2.4 基于神经网络的一类分类模型
2.5 基于边界描述的一类分类模型
2.6 一类分类器性能评价指标
2.7 本章小结
第3章 高维空间l1范数约束的一类数据稀疏距离测度学习算法
3.1 引言
3.2 一类数据距离测度学习
3.3 嵌入距离测度的一类分类器
3.4 实验仿真
3.5 本章小结
第4章 基于稀疏最小生成树覆盖模型的一类分类算法
4.1 引言
4.2 稀疏最小生成树覆盖模型
4.3 覆盖模型参数选择
4.4 实验仿真
4.5 本章小结
第5章 基于典型样本Steiner最小树覆盖模型的一类分类算法
5.1 引言
5.2 典型样本Steiner最小树覆盖模型
5.3 样本修剪策略
5.4 Steiner最小树覆盖模型
5.5 实验仿真
5.6 本章小结
第6章 基于高维空间凸壳数据描述的一类分类算法
6.1 引言
6.2 凸壳数据描述
6.3 和支持向量数据描述的比较与分析
6.4 实验仿真
6.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
作者简介