具有增量学习能力的最小距离分类器
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·任务来源 | 第9页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究概况 | 第10-13页 |
| ·论文组织 | 第13-14页 |
| 2 基于距离的分类器 | 第14-24页 |
| ·模式识别与聚类方法分析 | 第14-17页 |
| ·最近邻法 | 第17-18页 |
| ·最简单的最小距离分类器 | 第18-19页 |
| ·改进的最小距离分类器 | 第19-23页 |
| ·本章小结 | 第23-24页 |
| 3 改进的最小距离分类器的两阶段训练 | 第24-35页 |
| ·同类别样本间的k -均值聚类 | 第24-27页 |
| ·分类器内部结构的相互干扰 | 第27-30页 |
| ·类间调整算法 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 4 代表性样本的筛选 | 第35-41页 |
| ·引入样本筛选的意义 | 第35-37页 |
| ·样本筛选算法 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 5 基于改进的最小距离分类器的增量学习算法 | 第41-48页 |
| ·分类器的首次训练 | 第41-43页 |
| ·分类器的增量学习算法 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 6 实验结果及分析 | 第48-58页 |
| ·实验数据 | 第48-51页 |
| ·消除分类器内部结构的相互干扰 | 第51-54页 |
| ·代表性样本的筛选 | 第54-55页 |
| ·分类器的增量学习 | 第55-58页 |
| 7 总结和展望 | 第58-60页 |
| ·论文的主要研究工作 | 第58-59页 |
| ·论文的创新点 | 第59页 |
| ·进一步的工作 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录1 作者在攻读硕士学位期间发表的文章 | 第65页 |
