文摘
英文文摘
声明
致谢
第一章 绪论
1.1 课题的研究目的和意义
1.2 分类器组合技术简介
1.2.1 分类器组合问题描述
1.2.2 分类器组合方法分类
1.2.3 分类器组合系统的结构
1.3 分类器组合技术在人机交互中的应甩
1.3.1 第四代人机交互技术
1.3.2 分类器组合是第四代人机交互中一项关键技术
1.4 课题来源及主要研究内容
1.4.1 课题来源
1.4.2 论文的研究内容
1.5 论文的结构安排
第二章 分类器组合方法综述
2.1 符号说明
2.2 分类器组合方法研究现状
2.3 抽象层分类器融合方法
2.3.1 投票法
2.3.2 朴素贝叶斯法
2.3.3 行为知识空间方法
2.4 排序层分类器融合方法
2.4.1 最高序数法
2.4.2 Baoda计数法
2.4.3 逻辑回归方法
2.4.4 Saranli方法
2.5 度量层分类器融合方法
2.5.1 四种基本的融合算子
2.5.2 模板匹配法
2.5.3 基于证据理论的方法
2.5.4 模糊积分方法
2.5.5 线性融合规则
2.5.6 基于多项式回归的方法
2.5.7 基于认知与反馈的分类器融合方法
2.6 动态分类器选择
2.6.1 基于 k—近邻的方法
2.6.2 基于聚类的分类器选择
2.7 分类器集成
2.7.1 Bagging
2.7.2 Boosting
2.8 现有分类器组合方法中存在的主要问题
2.9 本章小结
第三章 排序层分类器融合中的序号变换法
3.1 MGR方法
3.2 序号变换法
3.2.1 融合规则
3.2.2 参数优化
3.3 实验
3.3.1 实验数据
3.3.2 实验设计
3.3.3 实验结果
3.3.4 实验分析
3.4 本章小结
第四章 度量层分类器融合中的关键点方法
4.1 相关工作
4.1.1 数据集简化
4.1.2 基于关键点的分类
4.2 Meta 层特征空间的特点
4.3 多决策模板法(MDT)
4.3.1 决策模板产生方法
4.3.2 基于模糊系统的度量层分类器融合
4.3.3 基于最小分类错误的参数优化
4.3.4 实验
4.4 基于类边界的分类器融合方法(CBCF)
4.4.1 基于类边界的关键点选择方法
4.4.2 局部线性分类器融合规则
4.4.3 实验
4.4 本章小结
第五章 从动态分类器选择到分类器融合
5.1 引言
5.2 计算局部分类精度的方法
5.3 根据局部分类精度估计分类置信度
5.4 动态分类器选择与Max规则的等价性
5.5 实验与分析
5.5.1 不同输入数据条件下的实验
5.5.2 相同输入数据条件下的实验
5.6 本章小结
第六章 基于手部特征的多模态身份鉴别
6.1 引言
6.2 数据的采集和预处理
6.3 特征提取
6.3.1 主成分分析方法
6.3.2 线性判别分析方法
6.4 多模态身份识别
6.4.1 系统框架
6.4.2 匹配算法及排序层融合
6.4.3 多模态身份识别系统性能测试
6.5 多模态身份认证
6.5.1 匹配算法
6.5.2 融和算法
6.5.3 多模态身份认证系统性能测试
6.6 本章小结
第七章 结论
7.1 本文的研究成果
7.2 对进一步工作的展望
7.3 结束语
参考文献
攻读博士学位期间撰写的论文和参与的研究课题