| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·模式识别概述 | 第10-13页 |
| ·模式识别研究的意义 | 第10-11页 |
| ·模式、模式识别和模式识别系统 | 第11页 |
| ·模式识别的方法 | 第11-13页 |
| ·核方法的国内外研究现状及趋势 | 第13-15页 |
| ·本论文的主要研究内容 | 第15-17页 |
| 第2章 核函数基本理论 | 第17-23页 |
| ·非线性特征映射和核函数 | 第17-18页 |
| ·再生核和再生核Hilbert空间 | 第18-20页 |
| ·Mercer核的构造和基本的核 | 第20-21页 |
| ·特征空间的均值、距离和数据中心化 | 第21-22页 |
| ·核方法的模块性 | 第22-23页 |
| 第3章 核Fisher描述分析 | 第23-42页 |
| ·引言 | 第23-24页 |
| ·Fisher线性描述分析 | 第24-27页 |
| ·散度矩阵及性质 | 第24页 |
| ·Fisher准则函数及方法 | 第24-25页 |
| ·典型Fisher线性描述分析的实验结果 | 第25-27页 |
| ·核Fisher描述分析 | 第27-33页 |
| ·核Fisher准则函数 | 第27-28页 |
| ·核散度矩阵与核函数矩阵的关系 | 第28-30页 |
| ·核Fisher描述分析的方法 | 第30-33页 |
| ·改进的核直接Fisher描述分析 | 第33-36页 |
| ·最优鉴别矢量集的确定 | 第33-36页 |
| ·非线性最优鉴别特征抽取 | 第36页 |
| ·IKDDA算法描述 | 第36页 |
| ·实验比较 | 第36-41页 |
| ·ORL人脸库的仿真 | 第37-39页 |
| ·UMIST人脸库的仿真 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 约束核描述分析 | 第42-55页 |
| ·引言 | 第42页 |
| ·约束线性描述分析 | 第42-48页 |
| ·约束线性描述分析的原理 | 第42-45页 |
| ·约束线性描述分析的算法描述 | 第45-46页 |
| ·实验比较 | 第46-48页 |
| ·约束核描述分析 | 第48-53页 |
| ·约束核描述分析的原理 | 第48-51页 |
| ·约束核描述分析的算法 | 第51页 |
| ·实验比较 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第5章 基于向量投影的决策树支持向量机多分类方法 | 第55-74页 |
| ·引言 | 第55-56页 |
| ·支持向量机 | 第56-59页 |
| ·线性情况 | 第56-58页 |
| ·非线性情况 | 第58-59页 |
| ·支持向量机的多分类方法 | 第59-61页 |
| ·1-a-r方法 | 第59-60页 |
| ·1-a-1方法 | 第60-61页 |
| ·基于向量投影的决策树支持向量机多分类方法 | 第61-68页 |
| ·决策树支持向量机的层次结构 | 第61-62页 |
| ·类间相似性的度量 | 第62-66页 |
| ·决策树SVM多类分类器的设计 | 第66-68页 |
| ·仿真研究 | 第68-73页 |
| ·基准数据识别 | 第69-71页 |
| ·人脸数据识别 | 第71页 |
| ·手写体数据识别 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第6章 基于径向基函数网络估计概率密度的多分类方法 | 第74-91页 |
| ·引言 | 第74页 |
| ·k近邻搜索的方法 | 第74-81页 |
| ·k近邻搜索的K-d树方法 | 第75-76页 |
| ·改进的基于映射和三角不等式的近邻搜索方法 | 第76-81页 |
| ·改进的边界向量预选取 | 第81-84页 |
| ·基于RBF神经网络的类条件概率密度函数估计 | 第84-86页 |
| ·RBF网络的构造 | 第84页 |
| ·训练样本的输出的确定 | 第84-85页 |
| ·权值的计算 | 第85-86页 |
| ·基于最小错误率的贝叶斯决策 | 第86页 |
| ·基于概率密度估计的多分类算法实现 | 第86-88页 |
| ·RBF网络构造模块 | 第87页 |
| ·分类决策模块 | 第87页 |
| ·算法时间复杂度分析 | 第87-88页 |
| ·仿真研究 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 第7章 结论与展望 | 第91-94页 |
| ·本文所做工作总结 | 第91-92页 |
| ·核Fisher描述分析 | 第91页 |
| ·约束描述分析和约束核描述分析 | 第91-92页 |
| ·决策树支持向量机多类分类方法 | 第92页 |
| ·基于径向基函数网络估计概率密度的多分类方法 | 第92页 |
| ·进一步的研究工作 | 第92-94页 |
| 参考文献(References) | 第94-99页 |
| 作者攻博期间发表(录用)的论文 | 第99-100页 |
| 致谢 | 第100页 |