| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文主要研究内容 | 第12-13页 |
| ·本文组织结构 | 第13-14页 |
| 第2章 一类分类算法基础 | 第14-26页 |
| ·一类分类器的数学模型 | 第14-15页 |
| ·基于概率统计估计理论的一类分类模型 | 第15-16页 |
| ·高斯模型 | 第15-16页 |
| ·高斯混合模型 | 第16页 |
| ·Parzen 模型 | 第16页 |
| ·基于聚类学习的一类分类模型 | 第16-18页 |
| ·K-均值法 | 第17页 |
| ·K-中心法 | 第17-18页 |
| ·基于神经网络的一类分类模型 | 第18页 |
| ·基于边界描述的一类分类模型 | 第18-22页 |
| ·一类支持向量机 | 第18-19页 |
| ·支持向量域数据描述 | 第19-20页 |
| ·最近邻法 | 第20-21页 |
| ·最小生成树数据描述 | 第21-22页 |
| ·一类分类器性能评价指标 | 第22-23页 |
| ·本章小结 | 第23-26页 |
| 第3章 基于局部和全局映射函数的流形降维空间球形覆盖分类算法 | 第26-38页 |
| ·引言 | 第26页 |
| ·局部和全局流形映射模型 | 第26-28页 |
| ·融合局部和全局信息的映射模型 | 第27-28页 |
| ·局部和全局流形映射模型优化 | 第28-29页 |
| ·局部拉普拉斯矩阵优化 | 第28页 |
| ·全局拉普拉斯矩阵优化 | 第28-29页 |
| ·基于局部和全局映射函数的流形低维表示的覆盖分类 | 第29-31页 |
| ·训练样本和测试样本的低维表示 | 第29-30页 |
| ·一类覆盖分类模型 | 第30-31页 |
| ·实验仿真与结果 | 第31-37页 |
| ·MNIST 手写体数字分类实验 | 第31-33页 |
| ·YaleB 人脸分类实验 | 第33-35页 |
| ·AR 人脸分类实验 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于核稀疏保持投影的最近邻覆盖一类分类算法 | 第38-52页 |
| ·引言 | 第38-39页 |
| ·稀疏保持投影 | 第39-41页 |
| ·稀疏表示 | 第39页 |
| ·稀疏保持投影 | 第39-41页 |
| ·核稀疏保持投影 | 第41-44页 |
| ·核稀疏表示 | 第41-42页 |
| ·核稀疏保持投影 | 第42-44页 |
| ·最近邻覆盖一类分类算法 | 第44页 |
| ·实验仿真与结果 | 第44-49页 |
| ·MNIST 手写体数字分类实验 | 第44-46页 |
| ·YaleB 人脸分类实验 | 第46-48页 |
| ·UMIST 人脸分类实验 | 第48-49页 |
| ·本章小结 | 第49-52页 |
| 第5章 基于迭代近邻线性投影的最近邻覆盖分类算法 | 第52-60页 |
| ·引言 | 第52页 |
| ·迭代近邻线性模型 | 第52-54页 |
| ·迭代近邻法 | 第52-54页 |
| ·迭代近邻线性投影模型 | 第54页 |
| ·最近邻覆盖模型 | 第54-55页 |
| ·实验仿真与结果 | 第55-59页 |
| ·MNIST 手写体数字库分类实验 | 第55-56页 |
| ·YaleB 人脸分类分类实验 | 第56-57页 |
| ·AR 人脸分类实验 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |