| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-29页 |
| 1.1 研究背景及意义 | 第15-18页 |
| 1.2 结构风险最小化原则 | 第18-19页 |
| 1.3 支持向量机 | 第19-22页 |
| 1.4 间隔理论的新发展 | 第22-25页 |
| 1.5 大间隔分布学习 | 第25-27页 |
| 1.6 本文的研究内容与结构安排 | 第27-29页 |
| 第2章 代价敏感性间隔分布学习 | 第29-50页 |
| 2.1 引言 | 第29-30页 |
| 2.2 代价敏感性间隔分布学习 | 第30-31页 |
| 2.3 代价敏感性间隔分布的公式描述 | 第31-32页 |
| 2.3.1 代价敏感性间隔均值 | 第31页 |
| 2.3.2 代价敏感性间隔方差 | 第31-32页 |
| 2.4 代价敏感性间隔分布模型 | 第32-33页 |
| 2.5 优化方法 | 第33-38页 |
| 2.5.1 常规规模优化方法 | 第33-36页 |
| 2.5.2 大规模数据优化方法 | 第36-38页 |
| 2.6 参数分析 | 第38-41页 |
| 2.7 评价方法 | 第41-42页 |
| 2.8 可视化仿真实验 | 第42-44页 |
| 2.8.1 仿真数据实验 | 第42-44页 |
| 2.9 UCI数据集实验 | 第44-48页 |
| 2.9.1 UCI数据集介绍 | 第44页 |
| 2.9.2 实验设置 | 第44-45页 |
| 2.9.3 线性核试验结果 | 第45-46页 |
| 2.9.4 高斯核试验结果 | 第46-47页 |
| 2.9.5 训练时间分析 | 第47页 |
| 2.9.6 间隔分布分析 | 第47-48页 |
| 2.10 本章小结 | 第48-50页 |
| 第3章 二重间隔分布机 | 第50-70页 |
| 3.1 引言 | 第50页 |
| 3.2 间隔理论的内涵 | 第50-52页 |
| 3.3 二重间隔分布机 | 第52-55页 |
| 3.3.1 二重间隔分布 | 第52-54页 |
| 3.3.2 二重间隔分布机 | 第54-55页 |
| 3.4 优化方法 | 第55-60页 |
| 3.4.1 对偶坐标下降法 | 第55-58页 |
| 3.4.2 随机梯度法 | 第58-60页 |
| 3.5 间隔分类算法的理论分析 | 第60-62页 |
| 3.6 实验分析 | 第62-69页 |
| 3.6.1 评价准则 | 第62-63页 |
| 3.6.2 二维可视化实验 | 第63-64页 |
| 3.6.3 噪声鲁棒性实验 | 第64页 |
| 3.6.4 UCI数据集上的实验结果 | 第64-69页 |
| 3.7 本章小结 | 第69-70页 |
| 第4章 代价敏感性二重间隔分布机 | 第70-88页 |
| 4.1 引言 | 第70页 |
| 4.2 代价敏感性二重间隔分布学习 | 第70-72页 |
| 4.3 代价敏感性二重间隔分布机 | 第72-75页 |
| 4.3.1 公式描述 | 第72页 |
| 4.3.2 代价敏感性二重间隔分布 | 第72-74页 |
| 4.3.3 代价敏感性二重间隔分布模型 | 第74-75页 |
| 4.4 优化方法 | 第75-79页 |
| 4.4.1 对偶坐标下降法 | 第75-78页 |
| 4.4.2 随机梯度法 | 第78-79页 |
| 4.5 代价敏感参数分析 | 第79-81页 |
| 4.6 实验分析 | 第81-87页 |
| 4.6.1 二维可视化实验 | 第82-84页 |
| 4.6.2 UCI数据集实验结果 | 第84-86页 |
| 4.6.3 实验结果分析 | 第86-87页 |
| 4.7 本章小结 | 第87-88页 |
| 第5章 基于快速区域定位和二重间隔分布机的行人检测 | 第88-99页 |
| 5.1 引言 | 第88-89页 |
| 5.2 目标感知的视觉机理 | 第89页 |
| 5.3 快速区域定位的重要应用价值 | 第89-90页 |
| 5.4 快速检测模型 | 第90-92页 |
| 5.4.1 归一化梯度特征 | 第90-91页 |
| 5.4.2 二进制归一化梯度特征 | 第91-92页 |
| 5.5 快速检测二重间隔分布机 | 第92-94页 |
| 5.6 实验 | 第94-98页 |
| 5.6.1 数据集 | 第94-96页 |
| 5.6.2 代价敏感性分析 | 第96页 |
| 5.6.3 检测结果 | 第96-98页 |
| 5.7 本章小结 | 第98-99页 |
| 第6章 基于邻域编码和多类二重间隔分布机的场景分类 | 第99-109页 |
| 6.1 场景分类的意义 | 第99-100页 |
| 6.2 场景分类的主要方法 | 第100页 |
| 6.3 场景图像的特征提取和编码 | 第100-104页 |
| 6.3.1 特征提取 | 第100-101页 |
| 6.3.2 邻域编码方法 | 第101-103页 |
| 6.3.3 快速近似邻域编码 | 第103-104页 |
| 6.4 基于邻域编码特征的多类二重间隔分布机 | 第104-106页 |
| 6.4.1 优化模型 | 第104-105页 |
| 6.4.2 多分类二重间隔分布机 | 第105-106页 |
| 6.5 实验分析 | 第106-108页 |
| 6.5.1 图像数据集 | 第106页 |
| 6.5.2 实验参数 | 第106-108页 |
| 6.5.3 结果分析 | 第108页 |
| 6.6 本章小结 | 第108-109页 |
| 结论 | 第109-111页 |
| 参考文献 | 第111-118页 |
| 附录A 发表的学术论文 | 第118-119页 |
| 附录B 参与的科研项目 | 第119-120页 |
| 致谢 | 第120页 |