基于计算约简与代价敏感的多核分类器设计与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·多核学习的研究现状 | 第11-12页 |
| ·多核学习算法的效率 | 第12页 |
| ·研究内容及章节安排 | 第12-14页 |
| 第2章 相关工作 | 第14-29页 |
| ·多核学习 | 第14-24页 |
| ·线性分类器 | 第14-15页 |
| ·最大间隔分类器 | 第15-19页 |
| ·核方法 | 第19-23页 |
| ·多核学习模型 | 第23-24页 |
| ·基分类器算法介绍 | 第24-27页 |
| ·HK算法 | 第24-25页 |
| ·MHKS算法 | 第25-26页 |
| ·KMHKS算法 | 第26-27页 |
| ·代价敏感 | 第27-28页 |
| ·类依赖代价敏感 | 第27-28页 |
| ·样本依赖代价敏感 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于Nystrom近似矩阵的多核学习算法 | 第29-46页 |
| ·引言 | 第29-30页 |
| ·NMKMHKS模型 | 第30-33页 |
| ·用Nystrom构造融合矩阵G | 第30-31页 |
| ·NMKMHKS算法模型 | 第31-33页 |
| ·实验 | 第33-45页 |
| ·实验设置 | 第33-34页 |
| ·人工数据集实验验证 | 第34-37页 |
| ·UCI数据集实验验证 | 第37-39页 |
| ·进一步讨论 | 第39-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 代价敏感的隐性核学习 | 第46-63页 |
| ·引言 | 第46页 |
| ·CMKLM模型 | 第46-49页 |
| ·计算近似矩阵K_p | 第47页 |
| ·基于Nystrom近似矩阵的代价敏感算法 | 第47-48页 |
| ·设计分类器 | 第48-49页 |
| ·实验 | 第49-62页 |
| ·实验设置 | 第49-51页 |
| ·UCI数据集实验验证 | 第51-59页 |
| ·图像数据集实验验证 | 第59-61页 |
| ·生物数据实验验证 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 代价敏感的经验核学习 | 第63-71页 |
| ·引言 | 第63页 |
| ·CRMEK-MHKS模型 | 第63-66页 |
| ·响应面技术 | 第64页 |
| ·代价敏感的经验核学习 | 第64-66页 |
| ·实验 | 第66-70页 |
| ·实验设置 | 第66-67页 |
| ·UCI数据集实验验证 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第6章 结论与展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 附录1 攻读硕士学位期间参加的课题 | 第79-80页 |
| 附录2 攻读硕士学位期间发表论文目录 | 第80页 |
