| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究目的及意义 | 第9页 |
| 1.2 常用身份认证技术 | 第9-10页 |
| 1.3 模式识别技术在生物特征鉴别上的应用 | 第10-11页 |
| 1.4 鉴别分析技术 | 第11-12页 |
| 1.4.1 线性鉴别分析 | 第11-12页 |
| 1.4.2 非线性鉴别分析 | 第12页 |
| 1.5 类不平衡问题的研究 | 第12-13页 |
| 1.6 本文主要研究工作概述 | 第13-16页 |
| 第二章 相关方法简介 | 第16-27页 |
| 2.1 线性的特征提取方法 | 第16-18页 |
| 2.1.1 主成分分析 | 第16-17页 |
| 2.1.2 线性鉴别分析 | 第17-18页 |
| 2.2 非线性鉴别方法 | 第18-22页 |
| 2.2.1 非线性鉴别分析 | 第18-19页 |
| 2.2.2 核不相关近邻类鉴别分析 | 第19-20页 |
| 2.2.3 核空间的类依赖的判别分析 | 第20-21页 |
| 2.2.4 基于多核学习的线性鉴别分析 | 第21-22页 |
| 2.3 特定类鉴别分析 | 第22-23页 |
| 2.4 特征选取的优化方法 | 第23-25页 |
| 2.4.1 Foley–Sammon 鉴别向量 | 第24页 |
| 2.4.2 不相关最优鉴别向量 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 类不平衡学习中基于度量融合的欠采样技术 | 第27-35页 |
| 3.1 基于欧氏距离和角度的相似性度量融合准则 | 第27-29页 |
| 3.2 样本集的欠采样规则 | 第29-30页 |
| 3.3 重新构造平衡类 | 第30-32页 |
| 3.4 在重平衡的样本集中求解鉴别向量 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 类不平衡学习中基于欠采样技术的核化正交鉴别分析 | 第35-42页 |
| 4.1 构建核空间中的负类样本集 | 第35-37页 |
| 4.2 划分核空间内的重平衡类 | 第37页 |
| 4.3 提取核空间内正交鉴别向量 | 第37-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 类不平衡学习中基于多核技术的鉴别分析 | 第42-53页 |
| 5.1 对原始空间进行特征转换 | 第42-44页 |
| 5.1.1 离散余弦变换 | 第42-43页 |
| 5.1.2 小波变换 | 第43-44页 |
| 5.2 构建多核空间内的样本集 | 第44-46页 |
| 5.3 构建多核空间中的近邻样本集 | 第46-47页 |
| 5.4 构建多核空间内的重平衡类 | 第47页 |
| 5.5 求解多核空间内的鉴别向量 | 第47-49页 |
| 5.6 多核空间中的不相关鉴别分析 | 第49-51页 |
| 5.7 本章小结 | 第51-53页 |
| 第六章 实验结果与分析 | 第53-65页 |
| 6.1 实验数据库的介绍 | 第53-55页 |
| 6.2 FUDA-CIL 实验结果与分析 | 第55-57页 |
| 6.3 KOUDA-CIL 的实验结果和分析 | 第57-59页 |
| 6.4 MKUDA-CIL和MKUUDA-CIL的实验结果和分析 | 第59-62页 |
| 6.5 实验结果综合分析 | 第62-64页 |
| 6.6 本章小结 | 第64-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 本文工作总结 | 第65-66页 |
| 7.2 进一步研究展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间撰写的论文 | 第70-71页 |
| 致谢 | 第71页 |