多核学习算法研究及其在图像分类中的应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 课题研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 多核学习存在的问题 | 第9-10页 |
| 1.4 本文的主要工作和各章结构安排 | 第10-11页 |
| 第二章 多核学习理论 | 第11-25页 |
| 2.1 引言 | 第11页 |
| 2.2 支持向量机 | 第11-16页 |
| 2.2.1 线性分类 | 第11-15页 |
| 2.2.2 非线性分类 | 第15-16页 |
| 2.3 多核学习 | 第16-18页 |
| 2.4 多核学习算法 | 第18-23页 |
| 2.4.1 二次约束型二次规划 | 第18页 |
| 2.4.2 半定规划 | 第18-19页 |
| 2.4.3 半无限线性规划 | 第19-20页 |
| 2.4.4 简单多核学习 | 第20-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于牛顿梯度优化的弹性多核学习 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 多核学习框架 | 第25-27页 |
| 3.3 基于牛顿梯度优化的弹性多核学习 | 第27-31页 |
| 3.3.1 弹性多核学习 | 第27-28页 |
| 3.3.2 弹性多核学习的牛顿梯度法 | 第28-31页 |
| 3.4 实验与结果分析 | 第31-34页 |
| 3.4.1 参数设置和实验数据 | 第31页 |
| 3.4.2 正则项参数? 选取 | 第31-32页 |
| 3.4.3 分类精确度比较 | 第32页 |
| 3.4.4 迭代次数比较 | 第32-34页 |
| 3.4.5 训练时间比较 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于特征选取和核目标度量的多核学习方法 | 第35-45页 |
| 4.1 引言 | 第35页 |
| 4.2 相关工作 | 第35-37页 |
| 4.2.1 多核学习 | 第36页 |
| 4.2.2 归一化互信息特征选取 | 第36-37页 |
| 4.2.3 核目标度量 | 第37页 |
| 4.3 基于特征选取和核目标度量的多核学习方法 | 第37-39页 |
| 4.4 实验与结果分析 | 第39-44页 |
| 4.4.1 基核数m对分类器的影响 | 第39-41页 |
| 4.4.2 精度与时间 | 第41-42页 |
| 4.4.3 与经典基核学习方法比较 | 第42页 |
| 4.4.4 在Scene场景图像数据集上的分类 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 主要结论与展望 | 第45-47页 |
| 主要结论 | 第45页 |
| 展望 | 第45-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第52页 |
