首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

多分类器系统中的组合方法及差异性度量研究

摘要第1-4页
Abstract第4-5页
目录第5-8页
第一章 引言第8-11页
 1.1 概述第8-9页
  1.1.1 多分类器系统的理论依据第8-9页
  1.1.2 多分类器系统的应用领域第9页
 1.2 分类器差异性度量(Diversity Measure)的依据第9-10页
 1.3 全文内容安排第10-11页
第二章 多分类器系统中的组合方法综述第11-24页
 2.1 多分类器系统框架第11-13页
 2.2 面向决策输出的方法第13-15页
  2.2.1 投票法(Majority Vote)和加权投票法第13页
  2.2.2 朴素贝时斯法(Natve Bayes)第13-14页
  2.2.3 行为知识空间法(Behavior-Knowledge space)第14-15页
  2.2.4 真它方法第15页
 2.3 面向排序输出的方法第15-17页
  2.3.1 最高序号法(The Highest-Rank Method)第15页
  2.3.2 Borda计数法(Borda Count Method)第15-16页
  2.3.3 逻辑斯蒂回归法(Logistic Regression)第16页
  2.3.4 动态分类器选择法(Dynamic Classfier Selection)第16-17页
 2.4 面向度量输出的方法第17-23页
  2.4.1 形式化描述第17-18页
  2.4.2 Max/Mir/Sum/Product/Median法第18-19页
  2.4.3 线性组合法第19页
  2.4.4 K近邻法第19-20页
  2.4.5 Decision Templates法第20页
  2.4.6 Dempster-Shafer方法第20-22页
  2.4.7 模糊积分法(Fuzzy Integral)第22页
  2.4.8 传统分类器法第22-23页
 2.5 小结第23-24页
第三章 分类器组合方法实验比较第24-32页
 3.1 文献数据比较第24-26页
 3.2 实验流程第26页
 3.3 实验数据第26页
 3.4 实验设计第26-29页
  3.4.1 特征分割第26-27页
  3.4.2 分量分类器选择第27-29页
  3.4.3 错误率估计第29页
 3.5 实验结果第29页
 3.6 实验结果分析第29-32页
第四章 EPD:一种新的分类器差异性度量方法第32-38页
 4.1 基本概念第32-33页
 4.2 现有的一些度量方法第33-35页
 4.3 EPD定义第35-37页
 4.4 EPD的优点第37-38页
第五章 EPD方法的实验比较第38-50页
 5.1 实验流程第38页
 5.2 实验数据第38-39页
 5.3 实验设计第39-40页
  5.3.1 分类器集合构造第39-40页
  5.3.2 分量分类器选择第40页
  5.3.3 分类器组合方法第40页
  5.3.4 错误率估计第40页
 5.4 实验结果第40-47页
  5.4.1 可视化结果第40-44页
  5.4.2 相关系数第44-47页
 5.5 实验结果分析第47-50页
  5.5.1 差异性度量方法和分量分类器的关系第47-48页
  5.5.2 差异性度量方法和分类器组合方法的关系第48-50页
第六章 EPD在人脸识别中的应用第50-57页
 6.1 EPD精简算法(EPD-Thinning Algorithm)第50-51页
 6.2 系统构建第51-54页
  6.2.1 预处理第52页
  6.2.2 特征提取第52-53页
  6.2.3 分类器集合构造第53-54页
  6.2.4 分量分类器选择第54页
 6.3 实验设计第54页
 6.4 实验结果第54-56页
 6.5 分析第56-57页
第七章 总结与展望第57-58页
参考文献第58-65页
致谢第65页

论文共65页,点击 下载论文
上一篇:正常腕骨三维运动学的在体实验研究
下一篇:Al2O3超微粉体的制备、改性及其α相变控制的研究