AdaBoost算法框架下的仿生神经网络算法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-17页 |
| 第二章 仿生模式识别 | 第17-27页 |
| ·高维几何基础知识 | 第17-21页 |
| ·流型的构成 | 第17-19页 |
| ·距离度量 | 第19-21页 |
| ·仿生神经元 | 第21-23页 |
| ·仿生神经网络的构成 | 第23-24页 |
| ·仿生模式识别的优点和缺点 | 第24-27页 |
| 第三章 集成学习算法 | 第27-37页 |
| ·集成学习算法的进化 | 第27-28页 |
| ·AdaBoost算法 | 第28-33页 |
| ·误差分析 | 第33-35页 |
| ·AdaBoost的优点和缺点 | 第35-37页 |
| 第四章 基于AdaBoost的仿生神经网络 | 第37-47页 |
| ·运用图像欧氏距离的子分类器的构造 | 第37-39页 |
| ·使用AdaBoost算法构造的网络结构 | 第39-42页 |
| ·使用图像欧氏距离的网络构造 | 第39-40页 |
| ·使用AdaBoost的分类器权重分配 | 第40-42页 |
| ·性能分析方法 | 第42-43页 |
| ·对误差进行偏差和方差分解 | 第42-43页 |
| ·各个系数的影响 | 第43页 |
| ·一种简化的图像欧氏距离处理方式 | 第43-45页 |
| ·简化处理的原理 | 第43-44页 |
| ·简化计算方法 | 第44-45页 |
| ·优点和局限性 | 第45页 |
| ·结束语 | 第45-47页 |
| 第五章 实验结果与分析 | 第47-59页 |
| ·数据集的选择和特征提取 | 第47-49页 |
| ·Gabor滤波提取特征 | 第47-48页 |
| ·PCA降维法的简单介绍 | 第48-49页 |
| ·经过特征提取和降维后的实验结果 | 第49-53页 |
| ·未经特征提取的实验 | 第53-55页 |
| ·图像欧氏距离与欧氏距离对比 | 第55-59页 |
| 第六章 总结和展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-65页 |
| 作者简介 | 第65页 |
