文摘
英文文摘
第一章绪论
§1.1引言
§1.2统计图象识别概述
§1.3归纳学习及其算法体系
§1.4 Occam's算法局限性
§1.5决策树的优化搜索、决策森林和多变决策树
§1.6统计模式识别与决策树学习的关系分析
§1.7论文的研究工作
参考文献
第二章离散数值归纳学习的信号分析方法研究
§2.1引言
§2.2特征选择与归纳学习的关系
§2.3基于自相关函数的特征选择方法
§2.4错误率估计
§2.5自相关决策树算法(ACDT)
§2.6基于UCI数据的实验及分析
§2.7本章小结
参考文献
第三章基于类内、类间距离的决策树归纳方法研究
§3.1引言
§3.2模式类可分性度量准则概述
§3.2.1类内类间距离准则
§3.2.2概率距离准则
§3.3用模内、类可分性度量准则形成决策树算法
§3.3.1类内、类间距离度量准则及其修正
§3.3.2类内距离散射度及类间距离均匀度准则
§3.3.3决策树算法ICD2
§3.4基于UCI数据的实验评估
§3.5本章小结
参考文献
第四章模式递增学习系统MCMD
§4.1引言
§4.2多类学习的过确定问题分析
§4.3覆盖算法模型分析
§4.4构造多决策模式递增学习
§4.5基于UCI数据的实验评估
§4.6本章小结
参考文献
第五章势函数学习的Fourier分析及典型样本获取方法研究
§5.1引言
§5.2第二类势函数训练方法的Fourier分析
§5.3位势距离的简化定义
§5.4改进的训练算法
§5.5本章小结
参考文献
第六章基于典型样本的Prototype决策树研究
§6.1引言
§6.2支持向量机及SVM决策树的核心
§6.3原型样本(Prototypes)的神经网络确定方法
§6.4基于典型样本的Prototypes决策树
§6.5基于UCI数据的实验
§6.6本章小结
参考文献
第七章基于归纳学习的城市地形图的图符识别系统
§7.1引言
§7.2图符集合描述
§7.3特征提取方法介绍
§7.4系统框图和学习算法
§7.5计算环境Matlab5.2
§7.6系统测试
§7.7相关问题及讨论
§7.8本章小结
结束语
博士生期间发表文章情况
致谢
附录1
附录2
附录3