模式识别中核方法若干问题研究

摘要	第1-7页
Abstract	第7-10页
第一章 模式识别导论	第10-34页
·模式识别的应用	第10-11页
·模式识别系统	第11-12页
·特征提取	第12-18页
·主成分分析	第13-15页
·多维尺度分析	第15-17页
·独立成分分析	第17-18页
·统计学习理论与核方法	第18-33页
·不适定问题与正则化方法	第21-22页
·统计学习理论的发展	第22-23页
·统计学习理论概述	第23-29页
·内积核与支持向量机	第29-32页
·核方法理论进展	第32-33页
·论文章节安排	第33-34页
第二章 分类与核方法	第34-52页
·线性分类	第34-40页
·Fisher线性判别分析	第35-36页
·支持向量机	第36-40页
·非线性分类	第40-43页
·神经网络与核方法	第40-41页
·非线性支持向量机及其进展	第41-43页
·集合上的核函数	第43-47页
·核函数与局部数据结构	第47-52页
第三章 聚类与核方法	第52-72页
·相似性度量	第52-53页
·聚类的准则函数	第53-54页
·聚类方案与算法概述	第54-56页
·聚类中的核方法概述	第56-58页
·基于谱图的核	第58-65页
·聚类中的潜概念及其在文本分类中的应用	第65-72页
第四章 如何选择核函数	第72-80页
第五章 核函数的保密多方计算	第80-84页
第六章 论文工作总结和展望	第84-86页
参考文献	第86-96页
发表论文	第96-98页
致谢	第98页