| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-24页 |
| ·研究背景及意义 | 第12-13页 |
| ·支持向量机研究现状 | 第13-17页 |
| ·SVM算法 | 第13-16页 |
| ·SVM的应用 | 第16-17页 |
| ·流形学习研究现状 | 第17-21页 |
| ·主流形算法 | 第19页 |
| ·谱分析算法 | 第19-21页 |
| ·变分法 | 第21页 |
| ·互信息法 | 第21页 |
| ·论文的主要研究内容与章节安排 | 第21-24页 |
| 第二章 支持向量机与流形学习 | 第24-36页 |
| ·引言 | 第24页 |
| ·支持向量机 | 第24-29页 |
| ·流形学习方法 | 第29-34页 |
| ·流形学习理论 | 第29-30页 |
| ·流形学习与降维 | 第30-31页 |
| ·流形学习方法分析 | 第31-34页 |
| ·本章小结 | 第34-36页 |
| 第三章 基于SOM解码的支持向量机多分类方法 | 第36-46页 |
| ·引言 | 第36页 |
| ·多类支持向量机的分类机理 | 第36-38页 |
| ·训练阶段 | 第37-38页 |
| ·分类阶段 | 第38页 |
| ·基于SOM解码的支持向量机多分类方法 | 第38-41页 |
| ·自组织映射网络 | 第38-40页 |
| ·基于SOM解码的SVM多分类过程 | 第40-41页 |
| ·实验与分析 | 第41-45页 |
| ·Iris数据实验 | 第41-42页 |
| ·人脸数据库实验 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 用于非平衡样本分类的近似支持向量机 | 第46-58页 |
| ·引言 | 第46页 |
| ·近似支持向量机 | 第46-48页 |
| ·用于非平衡分布样本的改进近似支持向量机 | 第48-51页 |
| ·线性MPSVM | 第48-49页 |
| ·非线性MPSVM | 第49-50页 |
| ·MPSVM算法的运算机理分析 | 第50-51页 |
| ·实验与分析 | 第51-57页 |
| ·人造数据实验 | 第51-52页 |
| ·UCI数据实验 | 第52-55页 |
| ·雷达一维距离像的识别 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于Relief(F)算法的近似支持向量机集成 | 第58-70页 |
| ·引言 | 第58-59页 |
| ·基于Relief(F)算法的PSVM集成 | 第59-63页 |
| ·近似支持向量机 | 第59页 |
| ·基于Relief(F)算法的PSVM集成 | 第59-63页 |
| ·实验与分析 | 第63-69页 |
| ·UCI数据实验 | 第63-67页 |
| ·雷达一维距离像的识别 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 正交邻域保护嵌入算法 | 第70-84页 |
| ·引言 | 第70-71页 |
| ·基于邻域保护嵌入算法的特征提取方法 | 第71-74页 |
| ·NPE算法 | 第71-73页 |
| ·NPE算法的几何解释 | 第73-74页 |
| ·基于正交邻域保护嵌入算法的特征提取方法 | 第74-77页 |
| ·正交 NPE算法 | 第74-75页 |
| ·算法的推导 | 第75-77页 |
| ·邻域保护能力分析 | 第77页 |
| ·实验与分析 | 第77-82页 |
| ·二维数据可视化实验 | 第78-79页 |
| ·人脸数据库实验 | 第79-82页 |
| ·本章小结 | 第82-84页 |
| 第七章 核邻域保护嵌入算法 | 第84-95页 |
| ·引言 | 第84页 |
| ·核机器学习 | 第84-85页 |
| ·核邻域保护嵌入算法 | 第85-89页 |
| ·核邻域保护嵌入算法(KNPE) | 第85-88页 |
| ·核邻域保护嵌入算法性能分析 | 第88-89页 |
| ·实验与分析 | 第89-93页 |
| ·UCI数据实验 | 第89-91页 |
| ·雷达一维距离像的识别 | 第91页 |
| ·人脸数据库实验 | 第91-93页 |
| ·本章小结 | 第93-95页 |
| 附录 | 第95-97页 |
| 总结与展望 | 第97-99页 |
| 致谢 | 第99-100页 |
| 参考文献 | 第100-114页 |
| 作者在攻读博士学位期间撰写的论文 | 第114-115页 |
| 攻读博士期间参加的科研工作 | 第115-116页 |