| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 图像分类研究现状 | 第12-15页 |
| 1.2.2 多核学习研究现状 | 第15-17页 |
| 1.3 论文研究内容和结构安排 | 第17-19页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 结构安排 | 第18-19页 |
| 第二章 多核学习及相关技术 | 第19-32页 |
| 2.1 引言 | 第19页 |
| 2.2 核方法 | 第19-21页 |
| 2.3 支持向量机 | 第21-24页 |
| 2.4 多核学习 | 第24-28页 |
| 2.4.1 核组合的合理性 | 第24-25页 |
| 2.4.2 多核学习算法介绍和比较 | 第25-28页 |
| 2.5 多核学习在图像分类中的应用 | 第28-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于核相似度的多核优选策略 | 第32-49页 |
| 3.1 引言 | 第32页 |
| 3.2 模型的提出 | 第32-38页 |
| 3.2.1 多核学习与集成学习的关系 | 第32-35页 |
| 3.2.2 多核优选策略的合理性 | 第35-37页 |
| 3.2.3 优质核评估标准 | 第37-38页 |
| 3.3 基于核相似度的多核优选策略 | 第38-41页 |
| 3.3.1 基于核相似度的评估方法 | 第38-40页 |
| 3.3.2 基于聚类的核优选方法 | 第40-41页 |
| 3.4 实验结果与分析 | 第41-48页 |
| 3.4.1 实验数据准备 | 第41-43页 |
| 3.4.2 不同核间相似度的结果分析 | 第43-44页 |
| 3.4.3 基于核相似度的多核优选策略的结果分析 | 第44-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于核权重自适应调节的多核学习 | 第49-63页 |
| 4.1 引言 | 第49页 |
| 4.2 整体框架 | 第49-50页 |
| 4.3 模型的提出及求解 | 第50-53页 |
| 4.3.1 多核聚类 | 第50页 |
| 4.3.2 基于核间相似度的多核学习 | 第50-52页 |
| 4.3.3 基于核权重自适应调节的多核学习 | 第52-53页 |
| 4.4 优化 | 第53-55页 |
| 4.5 结合了核优选策略的KWAAMKL方法 | 第55页 |
| 4.6 实验结果及分析 | 第55-62页 |
| 4.6.1 实验数据准备 | 第55-56页 |
| 4.6.2 基于核权重自适应调节的多核学习结果分析 | 第56-60页 |
| 4.6.3 结合了核优选策略的KWAAMKL方法的结果分析 | 第60-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文工作总结 | 第63-64页 |
| 5.2 后续工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71页 |