基于核函数的最大后验概率的分类方法的研究及其应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7页 |
| ·模式识别技术 | 第7-9页 |
| ·模式识别基本概念 | 第7-8页 |
| ·模式识别特点 | 第8页 |
| ·模式识别方法 | 第8-9页 |
| ·人脸识别技术 | 第9-12页 |
| ·人脸识别技术的研究内容 | 第10-11页 |
| ·人脸识别技术发展现状 | 第11-12页 |
| ·人脸识别技术的重大意义 | 第12页 |
| ·论文章节安排 | 第12-15页 |
| 第二章 常用的多分类识别方法 | 第15-25页 |
| ·引言 | 第15页 |
| ·线性特征提取方法 | 第15-18页 |
| ·主成分分析方法PCA | 第15-17页 |
| ·线性判别分析方法LDA | 第17-18页 |
| ·PCA+LDA | 第18页 |
| ·核方法概述 | 第18-21页 |
| ·核函数的构造 | 第20-21页 |
| ·核方法特点 | 第21页 |
| ·非线性特征提取方法 | 第21-24页 |
| ·核主成分分析方法KPCA 概述 | 第21-22页 |
| ·核Fisher 判别分析方法KFDA 概述 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 贝叶斯理论方法 | 第25-33页 |
| ·引言 | 第25页 |
| ·类条件概率密度函数估计 | 第25-28页 |
| ·参数估计法 | 第25-26页 |
| ·非参数参数估计法 | 第26-28页 |
| ·先验概率和后验概率 | 第28-29页 |
| ·先验概率与后验概率 | 第28-29页 |
| ·先验概率、后验概率与类条件概率密度函数的关系 | 第29页 |
| ·贝叶斯决策准则 | 第29-31页 |
| ·最小错误率准则 | 第29-30页 |
| ·最小风险准则 | 第30-31页 |
| ·最小最大化准则 | 第31页 |
| ·贝叶斯分类方法步骤 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于核函数的最大后验概率分类方法 | 第33-49页 |
| ·引言 | 第33页 |
| ·欧式距离与马氏距离 | 第33-34页 |
| ·多元高斯分布与多元t 分布 | 第34-35页 |
| ·三种概率密度函数估计方法在核空间的公式推导 | 第35-41页 |
| ·协方差矩阵规整化 | 第36-37页 |
| ·协方差矩阵对角化 | 第37-38页 |
| ·马氏距离公式的变换 | 第38-41页 |
| ·实验步骤 | 第41页 |
| ·仿真实验及分析 | 第41-47页 |
| ·Parzen 窗估计法中的实验结果及分析 | 第42-44页 |
| ·多元高斯分布和多元t 分布下的实验结果及分析 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 含重尾噪声的人脸图像的多分类识别方法 | 第49-57页 |
| ·引言 | 第49页 |
| ·重尾噪声模型 | 第49-50页 |
| ·模拟实验及分析 | 第50-56页 |
| ·实验步骤 | 第50页 |
| ·实验结果 | 第50-55页 |
| ·噪声图像的概率密度函数分布分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·论文工作总结 | 第57页 |
| ·论文展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第64页 |
