分类方法组合技术的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景 | 第8页 |
| ·研究现状 | 第8-10页 |
| ·分类方法组合技术在国内外研究现状 | 第8-9页 |
| ·视频烟雾检测技术在国内的研究现状 | 第9-10页 |
| ·组合分类方法进行烟雾检测的重大意义 | 第10页 |
| ·组合分类方法进行烟雾检测所存在的主要问题 | 第10-11页 |
| ·论文章节安排 | 第11-13页 |
| 第二章 相关理论概述 | 第13-24页 |
| ·Parzen窗方法 | 第13-14页 |
| ·主要分类方法阐述 | 第14-20页 |
| ·K近邻分类算法 | 第14-15页 |
| ·AdaBoost算法介绍 | 第15-17页 |
| ·相关向量机算法介绍 | 第17-20页 |
| ·图像处理特征提取 | 第20-22页 |
| ·离散余弦变换（DCT） | 第20-21页 |
| ·离散小波变换（DWT） | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 基于概率的两层最近邻自适应度量分类算法 | 第24-36页 |
| ·引言 | 第24-25页 |
| ·用最小绝对误差进行距离度量学习 | 第25-29页 |
| ·有限样本下基于概率的两层近邻分类算法 | 第29-31页 |
| ·实验结果与分析 | 第31-34页 |
| ·PTLNN算法比较与分析 | 第31-33页 |
| ·抗噪声能力分析 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 用两层分类算法进行视频烟雾检测 | 第36-43页 |
| ·引言 | 第36页 |
| ·方法 | 第36-38页 |
| ·数据预处理 | 第36-37页 |
| ·特征提取 | 第37-38页 |
| ·基于概率的两层自适应度量算法（TLNN） | 第38页 |
| ·实验及分析 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 稀疏条件下的两层分类算法 | 第43-56页 |
| ·引言 | 第43-44页 |
| ·方法模型 | 第44-48页 |
| ·用最小绝对误差进行距离度量学习 | 第44-48页 |
| ·稀疏条件下的两层分类算法 | 第48页 |
| ·实验及分析 | 第48-55页 |
| ·UCI标准数据集 | 第48-53页 |
| ·视频烟雾检测 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 主要结论与展望 | 第56-57页 |
| 主要结论 | 第56页 |
| 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第61页 |
