基于K-近邻准则的若干模式分类方法研究
摘要 | 第3-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-18页 |
1.1 研究背景与意义 | 第10-13页 |
1.2 国内外研究现状 | 第13-16页 |
1.3 本文主要研究工作及章节安排 | 第16-18页 |
第2章 基础理论 | 第18-26页 |
2.1 最近邻分类 | 第18-19页 |
2.2 K-近邻分类 | 第19-20页 |
2.3 距离度量 | 第20-21页 |
2.4 实验数据 | 第21-23页 |
2.5 评价方法 | 第23-26页 |
2.5.1 分类正确率 | 第23页 |
2.5.2 置信区间 | 第23-24页 |
2.5.3 交叉验证 | 第24-26页 |
第3章 伪近质心近邻分类 | 第26-50页 |
3.1 研究背景 | 第26-27页 |
3.2 相关分类方法 | 第27-31页 |
3.2.1 局部均值K-近邻分类 | 第28页 |
3.2.2 伪近邻分类 | 第28-29页 |
3.2.3 近质心近邻分类 | 第29页 |
3.2.4 K-近质心近邻分类 | 第29-30页 |
3.2.5 局部均值K-近质心近邻分类 | 第30-31页 |
3.3 伪近质心近邻分类 | 第31-34页 |
3.3.1 分类思想 | 第31-32页 |
3.3.2 伪代码 | 第32-34页 |
3.4 各分类方法比较 | 第34-36页 |
3.5 算法复杂度 | 第36-37页 |
3.6 实验结果 | 第37-48页 |
3.6.1 真实数据集实验结果 | 第38-44页 |
3.6.2 人工数据集实验结果 | 第44-47页 |
3.6.3 噪声数据集实验结果 | 第47页 |
3.6.4 实验小结 | 第47-48页 |
3.7 本章小结 | 第48-50页 |
第4章 基于调和平均距离的K-近邻分类 | 第50-78页 |
4.1 研究背景 | 第50-51页 |
4.2 相关分类方法 | 第51-53页 |
4.2.1 局部均值K-近邻分类 | 第51-52页 |
4.2.2 局部均值伪最近邻分类 | 第52页 |
4.2.3 多局部均值的k次谐波最近邻分类 | 第52-53页 |
4.3 基于调和平均距离的K-近邻分类 | 第53-59页 |
4.3.1 分类思想 | 第53-55页 |
4.3.2 距离分析 | 第55-58页 |
4.3.3 伪代码 | 第58-59页 |
4.4 各分类方法比较 | 第59-60页 |
4.5 算法复杂度 | 第60-61页 |
4.6 实验结果 | 第61-77页 |
4.6.1 真实数据集实验结果 | 第61-70页 |
4.6.2 人工数据集实验结果 | 第70-72页 |
4.6.3 噪声数据集实验结果 | 第72-74页 |
4.6.4 时间序列数据集实验结果 | 第74-77页 |
4.6.5 实验小结 | 第77页 |
4.7 本章小结 | 第77-78页 |
第5章 基于稀疏表示的K-近邻分类 | 第78-106页 |
5.1 研究背景 | 第78-79页 |
5.2 相关分类方法 | 第79-82页 |
5.2.1 距离加权K-近邻分类 | 第79-80页 |
5.2.2 基于稀疏表示的近邻分类 | 第80-81页 |
5.2.3 线性重构度量近邻分类 | 第81页 |
5.2.4 基于协作表示的近邻分类 | 第81-82页 |
5.3 基于稀疏系数加权的K-最近邻分类 | 第82-83页 |
5.3.1 分类思想 | 第82页 |
5.3.2 伪代码 | 第82-83页 |
5.4 基于残差加权的K-最近邻分类 | 第83-85页 |
5.4.1 分类思想 | 第83-84页 |
5.4.2 伪代码 | 第84-85页 |
5.5 理论及实验依据 | 第85-91页 |
5.5.1 理论依据 | 第85-86页 |
5.5.2 实验依据 | 第86-91页 |
5.6 算法复杂度 | 第91-92页 |
5.7 实验结果 | 第92-105页 |
5.7.1 数据集 | 第93-94页 |
5.7.2 真实数据集实验结果 | 第94-101页 |
5.7.3 噪声数据集实验结果 | 第101-104页 |
5.7.4 实验小结 | 第104-105页 |
5.8 本章小结 | 第105-106页 |
第6章 总结和展望 | 第106-108页 |
致谢 | 第108-110页 |
参考文献 | 第110-118页 |
攻读博士期间的研究成果 | 第118页 |