最近邻分类的若干改进算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-17页 |
| ·模式分类的研究意义 | 第7-11页 |
| ·模式分类的地位 | 第7-9页 |
| ·分类算法的应用 | 第9-11页 |
| ·模式分类算法综述 | 第11-14页 |
| ·贝叶斯分类方法 | 第11页 |
| ·支持向量机分类方法 | 第11-12页 |
| ·最近邻分类方法 | 第12-14页 |
| ·多种分类方法融合方法 | 第14页 |
| ·本文研究工作概述 | 第14页 |
| ·本文的内容安排 | 第14-17页 |
| 2 最近邻分类的改进算法 | 第17-27页 |
| ·引言 | 第17页 |
| ·目前基于最近邻的改进算法 | 第17-25页 |
| ·基于稀疏表示的KNN改进算法 | 第17-19页 |
| ·基于中心的KNN改进算法 | 第19-21页 |
| ·基于SVM的KNN改进算法 | 第21-23页 |
| ·基于属性值的KNN改进算法 | 第23-24页 |
| ·基于特征加权的改进算法 | 第24页 |
| ·布尔序列的一种KNN改进算法 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 3 K-最近邻均值算法 | 第27-41页 |
| ·引言 | 第27页 |
| ·传统KNN及其不足 | 第27-29页 |
| ·K-最近邻算法 | 第27-28页 |
| ·K-最近邻的不足 | 第28-29页 |
| ·局部均值算法 | 第29-30页 |
| ·K-最近邻均值算法 | 第30-31页 |
| ·K-最近邻均值算法的优点 | 第31-32页 |
| ·试验与分析 | 第32-39页 |
| ·引言 | 第32页 |
| ·在NUST603HW上的试验 | 第32-35页 |
| ·在CENPARMI上的试验 | 第35-38页 |
| ·试验分析 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 4 K-最近邻回归分类算法 | 第41-53页 |
| ·引言 | 第41页 |
| ·最近邻线、最近邻面算法 | 第41-42页 |
| ·最近邻子空间算法 | 第42-44页 |
| ·线性回归分类算法 | 第44页 |
| ·K-最近邻回归分类算法 | 第44-45页 |
| ·试验与分析 | 第45-51页 |
| ·引言 | 第45页 |
| ·在Yale B上的试验 | 第45-47页 |
| ·在FKP上的试验 | 第47-48页 |
| ·在AR上的试验 | 第48-49页 |
| ·在ORL上的试验 | 第49-50页 |
| ·试验分析 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 5 全文总结与展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·工作展望 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61页 |
