| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10页 |
| ·多核分类的研究现状 | 第10-14页 |
| ·分类器的发展 | 第10-11页 |
| ·核方法 | 第11-12页 |
| ·多核学习 | 第12-13页 |
| ·多核学习的效率问题 | 第13-14页 |
| ·研究内容及章节安排 | 第14-15页 |
| 第2章 核方法的理论基础 | 第15-32页 |
| ·支持向量机 | 第15-24页 |
| ·线性分类器 | 第15-16页 |
| ·间隔最大化分类器 | 第16-18页 |
| ·支持向量及对偶优化 | 第18-20页 |
| ·核方法 | 第20-24页 |
| ·多核学习模型 | 第24-26页 |
| ·典型的多核学习分类器 | 第26-31页 |
| ·核Fisher判别分析(Kernel FDA) | 第26-29页 |
| ·多核FDA转化为SDP求解 | 第29-31页 |
| ·多核FDA转化为QCQP和SILP求解 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于Nystrom逼近的多核分类器学习算法 | 第32-52页 |
| ·引言 | 第32-33页 |
| ·KDA算法框架 | 第33-35页 |
| ·Nystrom逼近算法 | 第35页 |
| ·基于Nystrom逼近的多核分类器学习算法 | 第35-39页 |
| ·算法设计 | 第36-38页 |
| ·复杂度分析 | 第38-39页 |
| ·实验 | 第39-51页 |
| ·实验设置 | 第39-40页 |
| ·人工数据集验证结果 | 第40-42页 |
| ·UCI数据集实验结果 | 第42-44页 |
| ·实验参数的进一步讨论 | 第44-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于随机投影的多核分类器学习算法 | 第52-70页 |
| ·引言 | 第52页 |
| ·MultiK-MHKS算法框架 | 第52-54页 |
| ·隐式核与显式核 | 第52-53页 |
| ·算法框架 | 第53-54页 |
| ·随机投影理论 | 第54页 |
| ·基于随机投影的多核分类器学习算法 | 第54-59页 |
| ·算法设计 | 第54-56页 |
| ·可分性分析 | 第56-57页 |
| ·复杂度分析 | 第57-59页 |
| ·实验 | 第59-69页 |
| ·实验设置 | 第59页 |
| ·人工数据集验证结果 | 第59-60页 |
| ·UCI数据集实验结果 | 第60-63页 |
| ·进一步讨论 | 第63-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 结论与展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 附录1 攻读硕士学位期间参加的课题 | 第76-77页 |
| 附录2 攻读硕士学位期间发表论文目录 | 第77页 |