| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 研究背景和本文工作 | 第9-18页 |
| ·模式分析中的核方法 | 第9-14页 |
| ·本文研究背景及意义 | 第14页 |
| ·主要工作 | 第14-16页 |
| ·论文结构 | 第16-18页 |
| 第二章 特征提取的核方法分析 | 第18-29页 |
| ·再生核希尔伯特空间(REPRODUCTING KERNEL HILBERT SPACE) | 第18-20页 |
| ·核主成分分析KPCA(KERNEL PRINCIPAL COMPONENT ANALYSIS) | 第20-24页 |
| ·广义判别分析GDA(GENERALIZED DISCRIMINANT ANALYSIs) | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 大规模数据集情况下的KPCA方法回顾 | 第29-38页 |
| ·引言 | 第29-30页 |
| ·核HEBBIAN算法(KERNEL HEBBIAN ALGORITHM,KHA) | 第30-33页 |
| ·分块核主成分 | 第33-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于迭代算法的核主成分分析 | 第38-65页 |
| ·引言 | 第38-40页 |
| ·基于INCOMPLETE CHOLESKY分解的核主成分分析 | 第40-53页 |
| ·QR分解和incomplere Cholesky分解 | 第40-43页 |
| ·基于incomplete Cholesky分解的KPCA | 第43-45页 |
| ·算法的计算复杂性 | 第45-46页 |
| ·计算的特征值的分析 | 第46页 |
| ·实验结果和讨论 | 第46-53页 |
| ·小结 | 第53页 |
| ·基于GRAM-POWER矩阵的核主成分分析 | 第53-63页 |
| ·构造新的矩阵Gram-Power | 第53-55页 |
| ·基于Gram-Power矩阵的KPCA | 第55-56页 |
| ·算法的复杂度分析 | 第56-57页 |
| ·计算的特征值分析 | 第57页 |
| ·实验结果和讨论 | 第57-63页 |
| ·小结 | 第63页 |
| ·本章总结 | 第63-65页 |
| 第五章 基于矩阵的核主成分分析 | 第65-78页 |
| ·引言 | 第65页 |
| ·数据集的分割和自相关矩阵 | 第65-66页 |
| ·基于矩阵的多项式一矩阵核函数 | 第66-69页 |
| ·基于矩阵的KPCA | 第69-71页 |
| ·实验结果 | 第71-76页 |
| ·Toy examples:简单问题 | 第72-73页 |
| ·USPS数据: | 第73-76页 |
| ·本章总结: | 第76-78页 |
| 第六章 总结与展望 | 第78-81页 |
| 附录一 博士期间发表的论文 | 第81-82页 |
| 附录二 博士期间参加的科研项目 | 第82-83页 |
| 参考文献 | 第83-91页 |
| 致谢 | 第91-92页 |
