| 前言 | 第1-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| ·引言 | 第11-14页 |
| ·模式识别的应用领域 | 第11-12页 |
| ·三种学习方式 | 第12-13页 |
| ·学习问题研究的四个阶段 | 第13-14页 |
| ·基于核的学习 | 第14-16页 |
| ·核方法的实质 | 第15-16页 |
| ·典型的基于核的学习算法 | 第16页 |
| ·本章小节 | 第16-17页 |
| 第二章 核的理论基础 | 第17-21页 |
| ·引言 | 第17页 |
| ·特征空间及核的定义 | 第17-18页 |
| ·再生核理论及Mercer 定理 | 第18-19页 |
| ·常用的核函数及其构造 | 第19-20页 |
| ·本章小节 | 第20-21页 |
| 第三章 核聚类算法 | 第21-29页 |
| ·引言 | 第21页 |
| ·均值和距离 | 第21-22页 |
| ·特征向量之间的距离 | 第22页 |
| ·中心化数据 | 第22-23页 |
| ·贪婪解：K-均值法 | 第23-24页 |
| ·基于核的fisher 判别分析 | 第24-25页 |
| ·基于核的感知机 | 第25页 |
| ·基于核的支持向量机算法 | 第25-26页 |
| ·核主成分分析 | 第26-28页 |
| ·核主成分分析的原理 | 第27-28页 |
| ·核主成分分析算法 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第四章 当前的核参数选择方式 | 第29-43页 |
| ·引言 | 第29页 |
| ·试凑法 | 第29-30页 |
| ·留一法 | 第30页 |
| ·Cross-validation 过程验证选择法 | 第30-31页 |
| ·基于遗传算法的核函参数优化 | 第31-34页 |
| ·引言 | 第31-32页 |
| ·用变异遗传算法优化高斯核函数参数 | 第32-33页 |
| ·模式分类仿真 | 第33-34页 |
| ·基于混合遗传算法的SVM 参数选择方法 | 第34-36页 |
| ·粗糙集选择 | 第36-39页 |
| ·基于凸包估计的参数选择方法 | 第36-38页 |
| ·数值实验 | 第38-39页 |
| ·SVR 参数选择的经验方法 | 第39-42页 |
| ·算法步骤 | 第40-41页 |
| ·实验分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于目标函数选择参数方式 | 第43-56页 |
| ·引言 | 第43-45页 |
| ·估计训练值 | 第44页 |
| ·调整权值 | 第44-45页 |
| ·为 KNN 选择参数方法 | 第45-48页 |
| ·目标函数 | 第45页 |
| ·实验 | 第45-48页 |
| ·为 KNN 选择参数的另一种方法 | 第48-51页 |
| ·目标函数 | 第48-49页 |
| ·实验 | 第49-51页 |
| ·为基于核的 K-demoids 选择参数的方法 | 第51-55页 |
| ·目标函数 | 第52页 |
| ·实验分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 结束语 | 第56-58页 |
| ·本文的工作 | 第56页 |
| ·进一步的研究方向 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 参考攻读硕士学位期间发表的论文和参与的项目 | 第61-62页 |
| 致谢 | 第62页 |