基于鲁棒距离度量的判别分析研究与应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 图表清单 | 第8-9页 |
| 注释表 | 第9-10页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| ·机器学习 | 第11-12页 |
| ·特征提取 | 第12-14页 |
| ·无监督特征提取 | 第12-13页 |
| ·有监督特征提取 | 第13-14页 |
| ·判别分析及其主要问题 | 第14-15页 |
| ·本文主要工作 | 第15-16页 |
| ·本文内容安排 | 第16-17页 |
| 第二章 鲁棒距离度量概述 | 第17-23页 |
| ·现有鲁棒距离度量 | 第17-19页 |
| ·Lp范数 | 第17-18页 |
| ·熵 | 第18-19页 |
| ·M 估计 | 第19页 |
| ·核诱导距离度量 | 第19-22页 |
| ·核方法 | 第20-21页 |
| ·常见核函数 | 第21页 |
| ·核诱导距离度量 | 第21-22页 |
| ·本章小节 | 第22-23页 |
| 第三章 直接鲁棒判别分析 | 第23-38页 |
| ·鲁棒判别分析分类 | 第23-24页 |
| ·基于非参数最大熵的鲁棒判别分析 | 第24-26页 |
| ·核诱导距离度量的鲁棒判别分析 | 第26-32页 |
| ·目标函数 | 第27-28页 |
| ·求解优化 | 第28-32页 |
| ·算法流程 | 第32页 |
| ·实验比较 | 第32-37页 |
| ·实验数据集 | 第32-33页 |
| ·参数设置 | 第33页 |
| ·实验结果 | 第33-37页 |
| ·本章小节 | 第37-38页 |
| 第四章 间接鲁棒判别分析 | 第38-55页 |
| ·鲁棒预处理 | 第38-42页 |
| ·基本概念 | 第38-39页 |
| ·半二次鲁棒主成分分析 | 第39-40页 |
| ·基于核诱导距离度量的鲁棒主成分分析 | 第40-42页 |
| ·基于 KI-PCA 的间接鲁棒判别分析 | 第42-46页 |
| ·算法定义 | 第42-43页 |
| ·算法流程 | 第43-45页 |
| ·算法等价性讨论 | 第45-46页 |
| ·实验比较 | 第46-53页 |
| ·实验数据集 | 第46页 |
| ·参数设置 | 第46-47页 |
| ·实验结果 | 第47-53页 |
| ·本章小节 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·已有工作总结 | 第55页 |
| ·未来工作展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 在学期间发表的学术论文 | 第63页 |
| 在学期间所参与科研项目 | 第63页 |
