多核分类器性能优化方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 分类器研究现状 | 第11-13页 |
| 1.3 多核分类器性能优化的研究现状 | 第13页 |
| 1.4 研究内容及章节安排 | 第13-16页 |
| 第2章 相关工作 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 HK系列算法 | 第16-24页 |
| 2.2.1 HK算法原型 | 第16-19页 |
| 2.2.2 带边界的HK算法——MHKS | 第19-20页 |
| 2.2.3 核化HK算法——KMHKS | 第20-22页 |
| 2.2.4 多核HK算法 | 第22-24页 |
| 2.3 支持向量机系列算法 | 第24-28页 |
| 2.3.1 支持向量机原型及其核化 | 第24-27页 |
| 2.3.2 基于支持向量机的多核算法 | 第27-28页 |
| 2.4 核分类器的性能优化 | 第28-29页 |
| 2.4.1 降维技术 | 第28-29页 |
| 2.4.2 矩阵近似技术 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 约简型多经验核分类器 | 第30-44页 |
| 3.1 引言 | 第30-31页 |
| 3.2 RMEKLM算法 | 第31-36页 |
| 3.2.1 基本框架 | 第31-34页 |
| 3.2.2 基向量组的生成 | 第34-35页 |
| 3.2.3 复杂度分析 | 第35-36页 |
| 3.3 实验 | 第36-40页 |
| 3.3.1 实验设置 | 第36-37页 |
| 3.3.2 实验结果分析 | 第37-39页 |
| 3.3.3 基生成算法分析 | 第39-40页 |
| 3.4 本章总结 | 第40-44页 |
| 第4章 代价敏感的多视图分类器 | 第44-60页 |
| 4.1 引言 | 第44页 |
| 4.2 CMVLM算法 | 第44-49页 |
| 4.2.1 视图的度量 | 第45-47页 |
| 4.2.2 分类器模型设计 | 第47-49页 |
| 4.3 实验 | 第49-56页 |
| 4.3.1 实验设置 | 第49-51页 |
| 4.3.2 UCI数据集实验分析 | 第51页 |
| 4.3.3 图像及生物数据集实验分析 | 第51-55页 |
| 4.3.4 深入讨论 | 第55-56页 |
| 4.4 本章总结 | 第56-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 附录1 发表论文目录 | 第68页 |
