文摘
英文文摘
第一章 绪论
1.1 课题研究的背景
1.1.1 特征降维
1.1.2 核方法
1.2 模式识别中的一些问题
1.3 课题的主要研究内容和本文组织
第二章 推广的监督局部保留投影算法
2.1 引言
2.2 局部保留投影算法和监督局部保留投影算法
2.2.1 局部保留投影算法
2.2.2 监督局部保留投影算法
2.3 推广的监督局部保留投影算法
2.3.1 推广的监督局部保留投影算法
2.3.2 推广的监督局部保留投影算法与监督局部保留投影算法的联系
2.3.3 小样本情况下推广的监督局部保留投影算法讨论
2.4 参数问题讨论
2.5 实验研究
2.5.1 数据可视化
2.5.2 人脸识别
2.6 本章小结
第三章 最小类局部保持方差支撑向量机
3.1 引言
3.2 支撑向量机与最小类方差支撑向量
3.2.1 支撑向量机
3.2.2 最小类方差支撑向量
3.3 最小类局部保持方差支撑向量机
3.3.1 类内局部保持散度矩阵
3.3.2 最小类局部保持方差支撑向量机
3.3.3 小样本情况下的最小类局部保持方差支撑向量机
3.4 非线性最小类局部保持方差支撑向量机
3.5 讨论
3.5.1 最小类局部保持方差支撑向量机与支撑向量机的联系
3.5.2 最小类局部保持方差支撑向量机与最小类方差支撑向量的联系
3.5.3 构建权矩阵
3.6 实验研究
3.6.1 最小类局部保持方差支撑向量机中的参数影响
3.6.2 线性情况
3.6.3 小样本以及非线性的情况
3.7 本章小结
第四章 最小类方差支撑向量机与零空间分类器的集成
4.1 引言
4.2 基本概念和小样本情况下的最小类方差支撑向量机
4.2.1 基本概念
4.2.2 小样本情况下的最小类方差支撑向量机
4.3 零空间分类器
4.3.1 线性零空间分类器
4.3.2 非线性零空间分类器
4.4 集成分类器
4.4.1 线性集成分类器
4.4.2 非线性集成分类器
4.5 实验研究
4.5.1 集成分类器算法中参数对分类精度的影响
4.5.2 线性情况
4.5.3 非线性情况
4.6 本章小结
第五章 最小方差支撑向量回归
5.1 引言
5.2 支撑向量回归
5.2.1 支撑向量回归算法
5.2.2 支撑向量回归算法的几何框架
5.3 最小方差支撑向量回归
5.3.1 最小方差支撑向量回归的目标优化问题定义
5.3.2 最小方差支撑向量回归的优化问题求解
5.3.3 最小方差支撑向量回归的与支撑向量回归的联系
5.3.4 散度矩阵S奇异情况
5.4 非线性最小方差支撑向量回归
5.5 实验研究
5.5.1 人造数据
5.5.2 真实数据
5.6 本章小结
第六章 支撑向量数据域描述优化问题最优解的理论分析
6.1 引言
6.2 支撑向量数据域描述回顾及理论分析基础
6.2.1 支撑向量数据域描述
6.2.2 理论分析基础
6.3 一个关于超球半径计算问题的例子
6.4 支撑向量数据域描述原始优化问题的理论分析
6.4.1 支撑向量数据域描述优化问题的等价改写
6.4.2 圆心唯一性证明
6.4.3 半径不唯一性分析
6.5 支撑向量数据域描述对偶优化问题的理论分析
6.6 修正后的支撑向量数据域描述算法
6.7 一个真实数据例子
6.8 本章小节
第七章 结束语
致谢
参考文献
附录
附录1:攻读博士学位期间撰写的与课题相关的论文列表
附录2:攻读博士学位期间参加的科研项目列表