| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和研究意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文主要研究内容和创新点 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第二章 新型孪生支持向量机算法 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 孪生支持向量机算法 | 第17-18页 |
| 2.3 新型孪生支持向量机算法 | 第18-21页 |
| 2.3.1 线性NTSVM | 第18-20页 |
| 2.3.2 非线性NTSVM | 第20页 |
| 2.3.3 模型求解 | 第20-21页 |
| 2.4 实验结果与分析 | 第21-28页 |
| 2.4.1 人工数据集 | 第22-23页 |
| 2.4.2 UCI数据集 | 第23-26页 |
| 2.4.3 NDC数据集 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 新型投影孪生支持向量机算法 | 第29-47页 |
| 3.1 引言 | 第29页 |
| 3.2 投影孪生支持向量机算法 | 第29-30页 |
| 3.3 局部保持投影孪生支持向量机算法 | 第30-36页 |
| 3.3.1 线性LPPTSVM | 第30-32页 |
| 3.3.2 非线性LPPTSVM | 第32-33页 |
| 3.3.3 优化问题求解 | 第33页 |
| 3.3.4 LPPTSVM实验结果与分析 | 第33-36页 |
| 3.4 改进的投影孪生支持向量机算法 | 第36-46页 |
| 3.4.1 线性IPTSVM | 第37-40页 |
| 3.4.2 非线性IPTSVM | 第40-43页 |
| 3.4.3 IPTSVM算法优缺点分析 | 第43-44页 |
| 3.4.4 IPTSVM算法实验结果与分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于特征值分解的中心支持向量机算法 | 第47-58页 |
| 4.1 引言 | 第47页 |
| 4.2 广义特征值支持向量机算法 | 第47-48页 |
| 4.3 基于特征分解的中心支持向量机算法 | 第48-53页 |
| 4.3.1 二类分类问题 | 第48-52页 |
| 4.3.2 多类分类问题 | 第52-53页 |
| 4.3.3 计算复杂度分析 | 第53页 |
| 4.4 实验结果与分析 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 多胞胎最小二乘支持向量机多类分类算法 | 第58-68页 |
| 5.1 引言 | 第58页 |
| 5.2 最小二乘孪生支持向量机算法 | 第58-59页 |
| 5.3 多胞胎最小二乘支持向量机多类分类算法 | 第59-62页 |
| 5.3.1 线性MBLSSVM | 第59-61页 |
| 5.3.2 非线性MBLSSVM | 第61-62页 |
| 5.4 实验结果与分析 | 第62-67页 |
| 5.4.1 UCI数据集 | 第62-63页 |
| 5.4.2 人脸数据集 | 第63-66页 |
| 5.4.3 进一步分析 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 构造类内辅助训练样本的模式分类方法 | 第68-94页 |
| 6.1 引言 | 第68页 |
| 6.2 相关工作 | 第68-71页 |
| 6.2.1 主成分分析 | 第68-69页 |
| 6.2.2 二维主成分分析 | 第69-70页 |
| 6.2.3 核主成分分析 | 第70-71页 |
| 6.3 训练样本类内局部调整的人脸识别方法 | 第71-75页 |
| 6.3.1 类内虚拟训练样本构造方法 | 第71-72页 |
| 6.3.2 基于虚拟训练样本的人脸识别方法 | 第72-73页 |
| 6.3.3 人脸识别实验结果与分析 | 第73-75页 |
| 6.4 构造类内辅助训练样本的模式分类方法 | 第75-93页 |
| 6.4.1 类内辅助训练样本构造方法 | 第76页 |
| 6.4.2 类内辅助训练样本的主成分分析模式分类方法 | 第76-77页 |
| 6.4.3 类内辅助训练样本的核主成分分析模式分类方法 | 第77-80页 |
| 6.4.4 辅助训练样本模式分类方法的实验结果与分析 | 第80-93页 |
| 6.5 本章小结 | 第93-94页 |
| 第七章 主要结论与展望 | 第94-96页 |
| 7.1 主要结论 | 第94-95页 |
| 7.2 展望 | 第95-96页 |
| 致谢 | 第96-97页 |
| 参考文献 | 第97-105页 |
| 附录: 作者在攻读博士学位期间发表的论文 | 第105页 |
