分类器组合技术研究及其在人机交互系统中的应用
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| Abstract | 第8-11页 |
| 目录 | 第11-14页 |
| 第一章 绪论 | 第14-24页 |
| ·课题的研究目的和意义 | 第14-15页 |
| ·分类器组合技术简介 | 第15-18页 |
| ·分类器组合问题描述 | 第15页 |
| ·分类器组合方法分类 | 第15-16页 |
| ·分类器组合系统的结构 | 第16-18页 |
| ·分类器组合技术在人机交互中的应用 | 第18-21页 |
| ·第四代人机交互技术 | 第18-19页 |
| ·分类器组合是第四代人机交互中一项关键技术 | 第19-21页 |
| ·课题来源及主要研究内容 | 第21-23页 |
| ·课题来源 | 第21页 |
| ·论文的研究内容 | 第21-23页 |
| ·论文的结构安排 | 第23-24页 |
| 第二章 分类器组合方法综述 | 第24-50页 |
| ·符号说明 | 第24-25页 |
| ·分类器组合方法研究现状 | 第25-28页 |
| ·抽象层分类器融合方法 | 第28-31页 |
| ·投票法 | 第28-29页 |
| ·朴素贝叶斯法 | 第29-30页 |
| ·行为知识空间方法 | 第30-31页 |
| ·排序层分类器融合方法 | 第31-35页 |
| ·最高序数法 | 第32页 |
| ·Baoda计数法 | 第32-33页 |
| ·逻辑回归方法 | 第33-34页 |
| ·Saranli方法 | 第34-35页 |
| ·度量层分类器融合方法 | 第35-45页 |
| ·四种基本的融合算子 | 第36-37页 |
| ·模板匹配法 | 第37-38页 |
| ·基于证据理论的方法 | 第38-39页 |
| ·模糊积分方法 | 第39-41页 |
| ·线性融合规则 | 第41-42页 |
| ·基于多项式回归的方法 | 第42-43页 |
| ·基于认知与反馈的分类器融合方法 | 第43-45页 |
| ·动态分类器选择 | 第45-47页 |
| ·基于κ-近邻的方法 | 第45-46页 |
| ·基于聚类的分类器选择 | 第46-47页 |
| ·分类器集成 | 第47-48页 |
| ·Bagging | 第47-48页 |
| ·Boosting | 第48页 |
| ·现有分类器组合方法中存在的主要问题 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第三章 排序层分类器融合中的序号变换法 | 第50-64页 |
| ·MGR方法 | 第50-52页 |
| ·序号变换法 | 第52-58页 |
| ·融合规则 | 第52-54页 |
| ·参数优化 | 第54-58页 |
| ·实验 | 第58-63页 |
| ·实验数据 | 第58页 |
| ·实验设计 | 第58-59页 |
| ·实验结果 | 第59-62页 |
| ·实验分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第四章 度量层分类器融合中的关键点方法 | 第64-98页 |
| ·相关工作 | 第65-71页 |
| ·数据集简化 | 第65-70页 |
| ·CNN方法 | 第66页 |
| ·RNN方法 | 第66页 |
| ·TIBL方法 | 第66-67页 |
| ·RMHC方法 | 第67页 |
| ·OR方法 | 第67-68页 |
| ·基于密度的压缩 | 第68-69页 |
| ·归并法 | 第69页 |
| ·学习矢量量化 | 第69-70页 |
| ·基于关键点的分类 | 第70-71页 |
| ·Meta层特征空间的特点 | 第71-73页 |
| ·多决策模板法 | 第73-86页 |
| ·决策模板产生方法 | 第74-76页 |
| ·基于模糊系统的度量层分类器融合 | 第76-78页 |
| ·基于最小分类错误的参数优化 | 第78-80页 |
| ·实验 | 第80-86页 |
| ·实验数据 | 第80-81页 |
| ·基本分类器 | 第81-82页 |
| ·实验结果与分析 | 第82-86页 |
| ·基于类边界的分类器融合方法 | 第86-97页 |
| ·基于类边界的关键点选择方法 | 第87-89页 |
| ·局部线性分类器融合规则 | 第89-92页 |
| ·实验 | 第92-97页 |
| ·实验数据 | 第92-93页 |
| ·基本分类器 | 第93页 |
| ·实验结果与分析 | 第93-97页 |
| ·本章小结 | 第97-98页 |
| 第五章 从动态分类器选择到分类器融合 | 第98-109页 |
| ·引言 | 第98-99页 |
| ·计算局部分类精度的方法 | 第99页 |
| ·根据局部分类精度估计分类置信度 | 第99-101页 |
| ·动态分类器选择与Max规则的等价性 | 第101-103页 |
| ·实验与分析 | 第103-108页 |
| ·不同输入数据条件下的实验 | 第103-106页 |
| ·相同输入数据条件下的实验 | 第106-108页 |
| ·本章小结 | 第108-109页 |
| 第六章 基于手部特征的多模态身份鉴别 | 第109-129页 |
| ·引言 | 第109-110页 |
| ·数据的采集和预处理 | 第110-112页 |
| ·特征提取 | 第112-116页 |
| ·主成分分析方法 | 第113-114页 |
| ·线性判别分析方法 | 第114-116页 |
| ·多模态身份识别 | 第116-119页 |
| ·系统框架 | 第116-117页 |
| ·匹配算法及排序层融合 | 第117-118页 |
| ·多模态身份识别系统性能测试 | 第118-119页 |
| ·多模态身份认证 | 第119-127页 |
| ·匹配算法 | 第121页 |
| ·融和算法 | 第121-122页 |
| ·多模态身份认证系统性能测试 | 第122-127页 |
| ·本章小结 | 第127-129页 |
| 第七章 结论 | 第129-132页 |
| ·本文的研究成果 | 第129-130页 |
| ·对进一步工作的展望 | 第130-131页 |
| ·结束语 | 第131-132页 |
| 参考文献 | 第132-142页 |
| 攻读博士学位期间撰写的论文和参与的研究课题 | 第142-145页 |
| 学位论文数据集 | 第145页 |
