| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 符号对照表 | 第14-16页 |
| 缩略语对照表 | 第16-20页 |
| 第一章 绪论 | 第20-38页 |
| ·引言 | 第20页 |
| ·模式识别 | 第20-23页 |
| ·模式识别概述 | 第20-22页 |
| ·常见模式分类算法 | 第22-23页 |
| ·模式分类的基本问题 | 第23页 |
| ·近邻分类 | 第23-26页 |
| ·近邻分类算法 | 第24-25页 |
| ·近邻分类度量准则 | 第25页 |
| ·近邻分类研究与应用 | 第25-26页 |
| ·数据约简 | 第26-32页 |
| ·样本约简 | 第27-30页 |
| ·维数约简 | 第30-31页 |
| ·数据约简评价 | 第31-32页 |
| ·学习矢量量化 | 第32-34页 |
| ·学习矢量量化简介 | 第32-33页 |
| ·增量学习算法简介 | 第33页 |
| ·增量学习矢量量化简介 | 第33-34页 |
| ·集成学习 | 第34-35页 |
| ·本文的主要研究工作和内容安排 | 第35-37页 |
| ·研究工作 | 第35-36页 |
| ·章节安排 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第二章 基于维样本近邻区间的分类算法 | 第38-46页 |
| ·引言 | 第38页 |
| ·基于维样本近邻区间的分类算法 | 第38-42页 |
| ·算法策略 | 第39-40页 |
| ·类别权重及孤立点处理 | 第40页 |
| ·连续型属性 | 第40页 |
| ·标识型属性 | 第40-41页 |
| ·算法主要处理过程 | 第41-42页 |
| ·算法性能评估 | 第42-45页 |
| ·算法分析 | 第42-43页 |
| ·实验评价 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第三章 一种基于新亲和相似度函数的改进K近邻算法 | 第46-58页 |
| ·引言 | 第46页 |
| ·亲和相似度函数计算方法 | 第46-48页 |
| ·亲和度定义 | 第47-48页 |
| ·亲和度应用 | 第48页 |
| ·基于亲和度相似度函数的改进K近邻算法 | 第48-51页 |
| ·亲和距离 | 第48-50页 |
| ·亲和相似度 | 第50页 |
| ·算法的主要处理过程 | 第50-51页 |
| ·算法适用性讨论 | 第51页 |
| ·算法性能评估 | 第51-57页 |
| ·算法分析 | 第51-52页 |
| ·实验评价 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 两种改进的近邻原型选择算法 | 第58-82页 |
| ·引言 | 第58页 |
| ·自适应边界逼近的原型选择算法 | 第58-69页 |
| ·相关定义 | 第59-61页 |
| ·BAPS算法处理策略 | 第61页 |
| ·BAPS算法主要处理过程 | 第61-63页 |
| ·BAPS算法性能评估 | 第63-69页 |
| ·考虑局部均值和类全局信息的快速近邻原型选择算法 | 第69-80页 |
| ·概念界定 | 第69-70页 |
| ·改进策略 | 第70页 |
| ·LCNN算法主要处理过程 | 第70-73页 |
| ·LCNN算法性能评估 | 第73-80页 |
| ·本章小结 | 第80-82页 |
| 第五章 基于二叉近邻树的快速约简算法 | 第82-98页 |
| ·引言 | 第82-83页 |
| ·叉近邻树 | 第83-85页 |
| ·概念界定 | 第83-84页 |
| ·停止策略 | 第84-85页 |
| ·基于二叉近邻树的原型获取 | 第85-89页 |
| ·基本思想 | 第85页 |
| ·BNNT算法介绍 | 第85-86页 |
| ·BNNT算法的核心过程 | 第86-89页 |
| ·算法性能评估 | 第89-97页 |
| ·算法分析 | 第89-91页 |
| ·实验评价 | 第91-97页 |
| ·本章小结 | 第97-98页 |
| 第六章 基于样本密度和分类误差率的增量学习矢量量化算法 | 第98-116页 |
| ·引言 | 第98页 |
| ·原型邻域作用 | 第98-100页 |
| ·改进的增量学习矢量量化算法 | 第100-107页 |
| ·IMLVQ算法介绍 | 第101-103页 |
| ·IMLVQ算法主要处理过程 | 第103-106页 |
| ·改进的分类算法 | 第106-107页 |
| ·算法性能评估 | 第107-115页 |
| ·算法分析 | 第107-108页 |
| ·实验评价 | 第108-115页 |
| ·本章小结 | 第115-116页 |
| 第七章 结论 | 第116-120页 |
| ·全文工作总结 | 第116-117页 |
| ·工作展望 | 第117-120页 |
| 参考文献 | 第120-134页 |
| 致谢 | 第134-136页 |
| 作者简介 | 第136-137页 |