| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及研究的目的和意义 | 第8-13页 |
| 1.1.1 特征提取方法概述 | 第8-10页 |
| 1.1.2 核学习发展概述 | 第10-12页 |
| 1.1.3 基于多核学习的特征提取方法的发展前景 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 多核学习理论发展 | 第13-14页 |
| 1.2.2 基于多核学习的特征提取方法的应用 | 第14-15页 |
| 1.3 存在的问题 | 第15-17页 |
| 1.3.1 基本核函数选择 | 第15-16页 |
| 1.3.2 多核函数参数优化 | 第16页 |
| 1.3.3 算法效率 | 第16-17页 |
| 1.4 主要研究内容与本文结构 | 第17-18页 |
| 第2章 基于多核映射的图像特征提取架构及评析 | 第18-31页 |
| 2.1 引言 | 第18页 |
| 2.2 基于图嵌入的特征提取原理 | 第18-21页 |
| 2.2.1 直接图嵌入 | 第18-19页 |
| 2.2.2 直接图嵌入的核扩展形式 | 第19-21页 |
| 2.3 多核学习原理 | 第21-26页 |
| 2.3.1 核函数定义及性质 | 第21-23页 |
| 2.3.2 多核函数构造原理 | 第23-26页 |
| 2.4 基于多核的图嵌入特征提取算法原理 | 第26-29页 |
| 2.4.1 多核矩阵的构造 | 第26-27页 |
| 2.4.2 图嵌入方法的多核扩展 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于多核函数参数优化的图像特征提取算法改进 | 第31-46页 |
| 3.1 引言 | 第31页 |
| 3.2 多核图嵌入目标方程求解 | 第31-33页 |
| 3.2.1 拉格朗日乘子系数矩阵 A 的优化 | 第31-32页 |
| 3.2.2 系数β优化 | 第32-33页 |
| 3.2.3 多核图嵌入目标方程求解算法 | 第33页 |
| 3.3 核函数选择 | 第33-35页 |
| 3.4 基本核函数参数优化 | 第35-36页 |
| 3.5 仿真实验与分析 | 第36-45页 |
| 3.5.1 映射特征向量维数选择对比试验 | 第36-39页 |
| 3.5.2 基本核函数参数选择对比试验 | 第39-42页 |
| 3.5.3 多核权重参数优化效果对比试验 | 第42-43页 |
| 3.5.4 多核函数组合选择对比试验 | 第43-44页 |
| 3.5.5 样本数对多核图嵌入特征提取方法的影响 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 基于多核映射的特征提取在图像分类的应用 | 第46-59页 |
| 4.1 引言 | 第46页 |
| 4.2 基于多核映射的图像识别算法程序设计 | 第46-50页 |
| 4.2.1 训练样本预处理和读入定制参数 | 第47-48页 |
| 4.2.2 样本训练 | 第48-49页 |
| 4.2.3 测试分类 | 第49-50页 |
| 4.3 对比图像分类算法程序设计 | 第50页 |
| 4.4 实验对比与分析 | 第50-56页 |
| 4.4.1 ORL数据库 | 第51-52页 |
| 4.4.2 Yalefaces数据集 | 第52-54页 |
| 4.4.3 Iris（UCI）数据集 | 第54-55页 |
| 4.4.4 Image Segmentation（UCI）数据集 | 第55-56页 |
| 4.5 算法效率比较和分析 | 第56-58页 |
| 4.6 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |