| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 主要研究内容与论文组织结构 | 第11-12页 |
| 1.3.1 主要研究内容 | 第11-12页 |
| 1.3.2 论文组织结构 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 相关知识 | 第13-17页 |
| 2.1 SVDD | 第13-14页 |
| 2.2 信息理论学习 | 第14-15页 |
| 2.2.1 相关熵 | 第14页 |
| 2.2.2 Renyi熵 | 第14-15页 |
| 2.3 基于方差的差异性度量 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 基于相关熵和距离方差的SVDD选择性集成 | 第17-29页 |
| 3.1 数学模型 | 第17-20页 |
| 3.2 学习算法 | 第20-21页 |
| 3.3 实验结果 | 第21-27页 |
| 3.3.1 人工数据集 | 第21-23页 |
| 3.3.2 标准数据集 | 第23-27页 |
| 3.4 本章小结 | 第27-29页 |
| 第4章 基于相关熵和Renyi熵的SVDD选择性集成 | 第29-41页 |
| 4.1 数学模型 | 第29-32页 |
| 4.2 学习算法 | 第32-33页 |
| 4.3 实验结果 | 第33-40页 |
| 4.3.1 人工数据集 | 第33-36页 |
| 4.3.2 标准数据集 | 第36-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 总结与展望 | 第41-43页 |
| 5.1 全文总结 | 第41页 |
| 5.2 工作展望 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46-47页 |
| 攻读学位期间取得的科研成果 | 第47页 |