| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的背景及其意义 | 第8页 |
| 1.2 国内外的研究现状 | 第8-10页 |
| 1.3 本文工作及组织结构 | 第10-12页 |
| 1.3.1 本文所做的工作与创新点 | 第10-11页 |
| 1.3.2 本文的组织结构 | 第11-12页 |
| 第二章 ONE-CLASS SVM及其理论基础 | 第12-26页 |
| 2.1 统计学习理论 | 第12-13页 |
| 2.1.1 VC维 | 第12页 |
| 2.1.2 推广性的界 | 第12-13页 |
| 2.1.3 结构风险最小化原则 | 第13页 |
| 2.2 SVM | 第13-17页 |
| 2.2.1 SVM简介 | 第13-16页 |
| 2.2.2 核函数 | 第16-17页 |
| 2.3 ONE-CLASS SVM | 第17-20页 |
| 2.3.1 SVDD简介 | 第17-18页 |
| 2.3.2 One-class SVM简介 | 第18-20页 |
| 2.4 基于粗糙集的ONE-CLASS SVM | 第20-25页 |
| 2.4.1 粗糙集理论 | 第20-21页 |
| 2.4.2 粗糙One-class SVM简介 | 第21-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 ONE-CLASS SVM的改进与研究 | 第26-41页 |
| 3.1 基于类内散度的粗糙ONE-CLASS SVM | 第26-34页 |
| 3.1.1 类内散度 | 第26-27页 |
| 3.1.2 基于最小类内散度粗糙One-class SVM及描述 | 第27-30页 |
| 3.1.3 仿真数据实验及分析 | 第30-31页 |
| 3.1.4 UCI标准数据实验及分析 | 第31-33页 |
| 3.1.5 本节小结 | 第33-34页 |
| 3.2 ONE-CLASS SVM的核函数构造 | 第34-40页 |
| 3.2.1 基于加权特征的高斯核函数 | 第34-36页 |
| 3.2.2 基于高斯分布的Fisher核函数 | 第36-37页 |
| 3.2.3 UCI标准数据实验及分析 | 第37-40页 |
| 3.2.4 本节小结 | 第40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 基于ONE-CLASS SVM的人脸识别应用 | 第41-54页 |
| 4.1 基于WSROC-SVM的人脸识别方法 | 第41-49页 |
| 4.1.1 人脸样本预处理和特征提取 | 第41-45页 |
| 4.1.2 WSROC-SVM人脸识别方法 | 第45-46页 |
| 4.1.3 实验结果和分析 | 第46-49页 |
| 4.2 基于WSROC-SVM的人脸识别系统设计和实现 | 第49-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第62页 |
