线性判别式的比较与优化方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 模式识别概述 | 第9-10页 |
| 1.2 线性分类器概述 | 第10-11页 |
| 1.3 Boosting算法概述 | 第11-12页 |
| 1.4 研究内容 | 第12-13页 |
| 1.5 本文结构安排 | 第13-15页 |
| 第2章 Fisher线性判别式 | 第15-27页 |
| 2.1 概述 | 第15-16页 |
| 2.2 Fisher判别式基础 | 第16-19页 |
| 2.3 样本不平衡因素 | 第19-20页 |
| 2.4 阈值生成与优化 | 第20-22页 |
| 2.5 实验分析 | 第22-26页 |
| 2.5.1 人工数据 | 第22-24页 |
| 2.5.2 实际数据 | 第24-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 伪逆线性判别式 | 第27-41页 |
| 3.1 伪逆法基础 | 第27-28页 |
| 3.2 伪逆法与Fisher判别式的关系 | 第28-34页 |
| 3.2.1 Fisher和伪逆法等价的例子 | 第28-30页 |
| 3.2.2 Fisher和伪逆法不等价的例子 | 第30-34页 |
| 3.3 与贝叶斯判别函数的关系 | 第34-35页 |
| 3.4 期望输出 | 第35-36页 |
| 3.5 输入数据对权值的影响 | 第36-37页 |
| 3.6 实验验证 | 第37-40页 |
| 3.6.1 不同期望输出的两种伪逆 | 第37-38页 |
| 3.6.2 输入数据对权值的影响 | 第38-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 特征表示与线性分类器集成算法 | 第41-49页 |
| 4.1 Adaboost算法基础 | 第41-42页 |
| 4.2 Adaboost算法的性能 | 第42-43页 |
| 4.3 参数α的确定 | 第43-45页 |
| 4.4 特征表示 | 第45-48页 |
| 4.4.1 降维 | 第45-46页 |
| 4.4.2 混合编码 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 实验结果分析 | 第49-60页 |
| 5.1 FLD和PILD的比较 | 第49页 |
| 5.2 阈值优化实验 | 第49-54页 |
| 5.3 Adaboost算法实验效果 | 第54-60页 |
| 第6章 结束语 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
