| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8页 |
| ·现有分类器及分类器性能评价准则 | 第8-11页 |
| ·两类分类器介绍 | 第8-9页 |
| ·多类分类器介绍 | 第9-10页 |
| ·分类器性能评价准则 | 第10-11页 |
| ·实验数据介绍及论文内容安排 | 第11-14页 |
| ·数据介绍 | 第11-13页 |
| ·内容安排 | 第13-14页 |
| 第二章 贝叶斯学习 | 第14-22页 |
| ·贝叶斯理论 | 第14-16页 |
| ·贝叶斯公式 | 第14-15页 |
| ·先验分布的选择 | 第15-16页 |
| ·变分贝叶斯理论 | 第16-21页 |
| ·EM 算法 | 第16-19页 |
| ·VBEM 算法 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 两类 RVM 分类 | 第22-40页 |
| ·传统 RVM 分类器 | 第22-23页 |
| ·基于 Sigmoid 模型的两类 RVM 分类器 | 第22-23页 |
| ·线性 RVM 分类器 | 第23页 |
| ·基于 Probit 模型的两类 RVM 分类器 | 第23-28页 |
| ·Probit 模型 | 第23-25页 |
| ·推导后验参数 | 第25-27页 |
| ·预测分布 | 第27-28页 |
| ·计算 Lower Bound | 第28页 |
| ·实验结果 | 第28-39页 |
| ·人工合成数据 | 第29-32页 |
| ·UCI 公共数据 | 第32-36页 |
| ·雷达数据 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 多类 RVM 分类 | 第40-60页 |
| ·传统多类 RVM 分类器 | 第40-41页 |
| ·基于 Probit 模型的多类 RVM 分类器 | 第41-45页 |
| ·多元 probit 模型 | 第41-42页 |
| ·推导后验参数 | 第42-44页 |
| ·预测分布 | 第44-45页 |
| ·计算 Lower Bound | 第45页 |
| ·实验结果 | 第45-59页 |
| ·人工合成数据 | 第45-48页 |
| ·UCI 公共数据 | 第48-56页 |
| ·雷达数据 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 RVM 分类软件 | 第60-68页 |
| ·软件实现方法 | 第60-63页 |
| ·MATLAB 与 VC＋＋6.0 联合编程 | 第60-62页 |
| ·图形显示及程序发布 | 第62-63页 |
| ·软件功能及使用简介 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 结束语 | 第68-70页 |
| ·内容总结 | 第68页 |
| ·工作展望 | 第68-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 作者在读期间的研究成果 | 第74-76页 |
| 附录 | 第76-86页 |