优化核方法
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-29页 |
| ·人工神经网络的发展 | 第12-14页 |
| ·Bayes理论 | 第14页 |
| ·统计学习理论的发展 | 第14-15页 |
| ·核方法的进展 | 第15-18页 |
| ·本论文的主要工作 | 第18-29页 |
| 第二章 统计学习理论、支撑矢量机与核匹配追踪 | 第29-48页 |
| ·统计学习理论 | 第29-34页 |
| ·核函数特征空间 | 第34-37页 |
| ·支撑矢量机 | 第37-43页 |
| ·核匹配追踪学习机 | 第43-48页 |
| 第三章 基于向量投影的支撑矢量预选取 | 第48-61页 |
| ·引言 | 第48页 |
| ·支撑矢量预选取——向量投影法 | 第48-53页 |
| ·仿真对比实验 | 第53-58页 |
| ·小结与讨论 | 第58页 |
| 附录A3 | 第58-61页 |
| 第四章 支撑矢量机的稀疏性自适应控制 | 第61-77页 |
| ·引言 | 第61-62页 |
| ·特征矢量的选取 | 第62-65页 |
| ·支撑矢量的简化 | 第65-66页 |
| ·误差分析 | 第66-67页 |
| ·简化性能对比 | 第67-73页 |
| ·小结与讨论 | 第73页 |
| ·附录A4 | 第73-77页 |
| 第五章 Mercer核函数的构造 | 第77-96页 |
| ·引言 | 第77-78页 |
| ·子波核函数 | 第78-81页 |
| ·多尺度核函数 | 第81-83页 |
| ·核函数性能对比 | 第83-90页 |
| ·小结与讨论 | 第90页 |
| 附录A5 | 第90-96页 |
| 第六章 模糊核匹配追踪学习机 | 第96-112页 |
| ·引言 | 第96-97页 |
| ·模糊核匹配追踪 | 第97-100页 |
| ·自适应参数的选取 | 第100-102页 |
| ·特征目标识别实验 | 第102-109页 |
| ·小结与讨论 | 第109-112页 |
| 第七章 集成核匹配追踪学习机 | 第112-129页 |
| ·引言 | 第112页 |
| ·集成学习系统 | 第112-116页 |
| ·集成核匹配追踪的理论分析 | 第116-119页 |
| ·建立集成核匹配追踪学习机 | 第119-120页 |
| ·集成性能仿真 | 第120-125页 |
| ·小结和讨论 | 第125-129页 |
| 第八章 总结与展望 | 第129-132页 |
| 谢辞 | 第132-134页 |
| 硕博连续期间合作撰写的学术论文 | 第134-136页 |
| 硕博连续期间参与的科研项目 | 第136页 |
