基于核方法的纠错输出编码多类分类算法改进
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 绪论 | 第11-23页 |
| ·人工智能与机器学习 | 第11-12页 |
| ·人工智能的NP完全难问题? | 第12-13页 |
| ·分类算法的国内外研究现状 | 第13-19页 |
| ·多类分类各种算法简介 | 第13-16页 |
| ·分类算法的各种应用 | 第16-19页 |
| ·纠错输出编码及其缺陷 | 第19-20页 |
| ·本文的主要贡献 | 第20-21页 |
| ·问题的数学定义和符号约定 | 第21-22页 |
| ·问题的数学描述 | 第21页 |
| ·符号和术语的约定 | 第21-22页 |
| ·本文组织 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第2章 机器学习理论和支持向量机 | 第23-39页 |
| ·统计机器学习理论的一些渊源 | 第23-24页 |
| ·学习机器的产生 | 第23页 |
| ·学习理论基础的创立 | 第23-24页 |
| ·神经网络的创立 | 第24页 |
| ·统计学习理论 | 第24页 |
| ·学习问题的表述 | 第24-25页 |
| ·分类问题 | 第25页 |
| ·回归 | 第25页 |
| ·密度估计 | 第25页 |
| ·经验风险最小化原则 | 第25-27页 |
| ·统计机器学习的主要理论 | 第27-29页 |
| ·推广能力的界 | 第28页 |
| ·结构风险最小化原则 | 第28-29页 |
| ·支持向量机 | 第29-35页 |
| ·最优分类超平面 | 第29-30页 |
| ·支持向量机的原问题及其对偶问题 | 第30-34页 |
| ·二次规划的优化策略 | 第34-35页 |
| ·核函数技巧 | 第35-37页 |
| ·核学习方法简介 | 第35-36页 |
| ·核方法在SVM中的应用 | 第36-37页 |
| ·支持向量机的改进版本 | 第37-38页 |
| ·Weston等的多类支持向量机 | 第37页 |
| ·Crammer等的多类支持向量机 | 第37-38页 |
| ·Guermeur等的多类支持向量机 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第3章 纠错输出编码及其间隔定义 | 第39-46页 |
| ·ECOC框架算法 | 第39-40页 |
| ·编码(encoding)过程 | 第40-41页 |
| ·训练(learning)过程 | 第41页 |
| ·解码(decoding)过程 | 第41-42页 |
| ·ECOC框架的特点 | 第42页 |
| ·ECOC下的间隔定义 | 第42-45页 |
| ·区分函数 | 第43-44页 |
| ·ECOC分类器的间隔 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 ECO输出空间的距离函数学习改进 | 第46-51页 |
| ·ECOC输出空间距离函数学习 | 第46-49页 |
| ·损失函数的原问题定义 | 第46-48页 |
| ·对偶问题 | 第48-49页 |
| ·核技巧 | 第49页 |
| ·优化策略 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 ECOC算法的一致学习改进 | 第51-60页 |
| ·ECOC的一致学习 | 第51-53页 |
| ·损失函数原问题定义 | 第51-52页 |
| ·对偶问题 | 第52-53页 |
| ·核技巧 | 第53页 |
| ·优化策略 | 第53-54页 |
| ·与Guermeur的SVM的关系 | 第54-57页 |
| ·与Weston等的SVM的关系 | 第57-58页 |
| ·与Cai和Hofmann等的分层SVM的关系 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 改进方法的性能验证 | 第60-78页 |
| ·在UCI标准数据库上的预测性能比较 | 第60-65页 |
| ·一致学习的ECOC性能验证 | 第60-64页 |
| ·基于输出空间距离函数学习的ECOC性能验证 | 第64-65页 |
| ·改进算法在多智能体系统中的应用 | 第65-71页 |
| ·RoboCup下的协作对抗中对手建模和识别 | 第66-67页 |
| ·数据来源和实验设置 | 第67-68页 |
| ·特征定义 | 第68页 |
| ·实验参数设置 | 第68-69页 |
| ·实验结果 | 第69-71页 |
| ·基于颜色的目标识别 | 第71-77页 |
| ·数据来源 | 第72页 |
| ·实验设置 | 第72-74页 |
| ·算法流程 | 第74页 |
| ·实验结果 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第7章 总结与展望 | 第78-80页 |
| ·本文算法总结 | 第78-79页 |
| ·未来研究展望 | 第79页 |
| ·本章小结 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-87页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第87-88页 |
| 在学期间的研究成果及发表的论文 | 第88-91页 |
