首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

智能识别中的降维新方法及其应用研究

摘要第1-5页
Abstract第5-10页
第一章 绪论第10-16页
   ·课题研究背景第10-13页
     ·特征选择技术第10-11页
     ·特征提取技术第11-13页
   ·特征降维技术面临的几个挑战第13-14页
   ·课题的主要研究内容和组织安排第14-16页
第二章 广义的势支撑特征选择方法第16-34页
   ·引言第16-17页
   ·势支持向量机P-SVM第17-20页
   ·广义的势支撑特征选择方法:GPSFM第20-24页
     ·类内离散度第20页
     ·广义的势支撑特征选择方法第20-24页
   ·实验研究第24-33页
     ·真实数据第25-31页
     ·基因数据第31-32页
     ·人脸图像数据第32-33页
   ·本章小结第33-34页
第三章 具有特征排序功能的鲁棒性模糊聚类第34-50页
   ·引言第34-35页
   ·模糊C均值聚类方法第35-36页
   ·具有特征排序功能的模糊聚类方法第36-41页
     ·具有特征排序功能的FCA方法第36-40页
     ·基于几何意义的权参数的选取第40-41页
   ·实验研究第41-48页
     ·加噪的IRIS数据第41-44页
     ·加噪纹理图像数据集第44-47页
     ·真实数据集第47-48页
   ·本章小结第48-50页
第四章 基于语境距离度量的拉普拉斯最大间距判别准则第50-66页
   ·引言第50-52页
   ·线性拉普拉斯判别准则第52-53页
   ·基于语境距离度量的拉普拉斯最大间距判别准则第53-57页
     ·CLMMC准则第53-56页
     ·CLMMC准则的QR分解法第56-57页
   ·语境距离度量的设定第57-59页
     ·权值的设定第58-59页
   ·实验研究第59-65页
     ·低维非线性流形空间距离度量学习第59-60页
     ·CLMMC与CL-LLD内在联系第60-62页
     ·小样本问题第62-63页
     ·高维非线性流形空间小样本问题和距离度量学习第63-65页
   ·本章小结第65-66页
第五章 基于模糊最大散度差判别准则的聚类方法第66-78页
   ·引言第66页
   ·最大散度差判别准则第66-67页
   ·基于模糊最大散度差判别准则的聚类方法第67-72页
     ·模糊最大散度差判别准则第67-69页
     ·设定模糊最大散度判别准则中的参数第69-72页
   ·实验研究第72-76页
     ·基本的聚类功能第72-74页
     ·大数据聚类鲁棒性第74-75页
     ·特征提取第75-76页
   ·本章小结第76-78页
第六章 基于矩阵模式的最小类内散度支持向量机第78-92页
   ·引言第78-79页
   ·最小类内散度支持向量机第79-80页
   ·基于矩阵模式的最小类内散度支持向量机第80-86页
     ·线性的矩阵模式最小类内散度支持向量机第81-84页
     ·非线性的基于矩阵模式的最小类内散度支持向量机第84-86页
   ·实验研究第86-90页
     ·矢量数据的矩阵模式分类第86-88页
     ·Ker-MCSVMs~(matrix)方法中使用v~*的合理性第88页
     ·矩阵模式数据的分类第88-90页
   ·本章小结第90-92页
第七章 基于全局和局部保持的半监督支持向量机第92-106页
   ·引言第92-93页
   ·流形正则化框架第93-94页
   ·基于全局和局部保持的半监督支持向量机第94-98页
     ·线性的GLSSVMs方法第94-96页
     ·非线性的Ker-GLSSVMs方法第96-98页
   ·实验研究第98-104页
     ·人造团状数据第99-100页
     ·人造流形结构数据第100-101页
     ·UCI真实数据第101-102页
     ·图像数据第102-104页
   ·本章小结第104-106页
第八章 结束语第106-108页
致谢第108-110页
参考文献第110-120页
附录:作者在攻读博士学位期间的科研成果第120-121页
 附录1:攻读博士期间撰写的与课题相关的学术论文第120-121页
 附录2:攻读博士期间主持和参与的科研项目第121页

论文共121页,点击 下载论文
上一篇:多传感器图像融合理论及其应用研究
下一篇:活性氧对生长抑素的调节与代谢综合征的关系研究