基于统计学习的多类别分类器研究

摘要	第1-3页
ABSTRACT	第3-6页
第一章 绪论	第6-8页
·多类别分类	第6-7页
·多类别分类的研究动机	第6页
·多类别分类的研究现状	第6-7页
·本文工作及创新	第7页
·本文结构	第7-8页
第二章 多类别分类的一般方法	第8-32页
·One-against-all分类方法	第8-9页
·One-against-all方法概述	第8页
·One-against-all方法存在的问题	第8-9页
·One-against-one分类方法	第9-10页
·One-against-one方法概述	第9页
·One-against-one方法存在的问题	第9-10页
·多类别分类支持向量机	第10-27页
·统计学习理论简介	第10页
·统计学习理论	第10-13页
·学习理论泛化的一般条件	第13-17页
·支持向量机简介	第17-22页
·二分法支持向量机	第22-23页
·一次性优化多类别支持向量机	第23-27页
·基于编码设计的多类别分类	第27-31页
·离散编码	第27-28页
·连续编码	第28-31页
·小结	第31-32页
第三章 极小极大概率机	第32-41页
·问题的定义	第32-33页
·主要的数学结论	第33-34页
·概率机几何解释	第34-35页
·鲁棒概率机	第35-37页
·鲁棒概率机的学习问题	第36页
·均值估计问题	第36-37页
·协方差估计问题	第37页
·鲁棒估计问题	第37页
·非线性分类器	第37-39页
·数值试验	第39-40页
·小结	第40-41页
第四章 基于概率机的线性多类别分类器	第41-46页
·线性多类别分类器	第41-43页
·子空间差异度量	第43-45页
·小结	第45-46页
第五章 SWS多类别分类框架	第46-57页
·Strong-to-Weak阶段	第47-49页
·Weak-to-Strong阶段	第49-52页
·数值试验	第52-55页
·小结	第55-57页
参考文献	第57-62页
致谢	第62-63页