| 摘要 | 第1-6页 |
| Abstract | 第6-16页 |
| 第一章 绪论 | 第16-27页 |
| ·研究意义 | 第16-17页 |
| ·模式与分类器 | 第17-25页 |
| ·面向模式表示的分类器设计 | 第17-21页 |
| ·面向模式源的分类器设计 | 第21-25页 |
| ·本文内容安排 | 第25-27页 |
| 第一部分 面向矩阵模式表示的分类器学习 | 第27-85页 |
| 第二章 矩阵型分类器设计方法 | 第28-58页 |
| ·引言 | 第28-29页 |
| ·面向矩阵模式的最小平方支持向量机 | 第29-41页 |
| ·向量型最小平方支持向量机 | 第29-30页 |
| ·矩阵型最小平方支持向量机 | 第30-34页 |
| ·矩阵型模糊化的最小平方支持向量机 | 第34-36页 |
| ·模拟实验 | 第36-41页 |
| ·面向矩阵模式的正则化Ho-Kashyap 分类算法 | 第41-53页 |
| ·向量型正则化Ho-Kashyap 分类算法 | 第41-43页 |
| ·矩阵型正则化Ho-Kashyap 分类算法 | 第43-46页 |
| ·模拟实验 | 第46-53页 |
| ·矩阵及向量型分类器模型的关系 | 第53-57页 |
| ·存储复杂度分析 | 第53-54页 |
| ·解空间分析 | 第54-56页 |
| ·模型VC 维分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第三章 基于AdaBoost 的矩阵型分类器设计方法 | 第58-70页 |
| ·引言 | 第58-60页 |
| ·AdaBoost 算法 | 第60-61页 |
| ·基于AdaBoost 的矩阵型最小平方支持向量机 | 第61-64页 |
| ·实验与分析 | 第64-69页 |
| ·数据集描述 | 第64页 |
| ·参数设置 | 第64-65页 |
| ·结果讨论 | 第65-69页 |
| ·本章小结 | 第69-70页 |
| 第四章 整体矩阵化方法 | 第70-85页 |
| ·引言 | 第70页 |
| ·整体矩阵化 | 第70-73页 |
| ·相关工作 | 第70-71页 |
| ·MatFE+MatCD | 第71-73页 |
| ·模拟实验 | 第73-83页 |
| ·实验设置 | 第73-74页 |
| ·在原始图像上采用矩阵与向量模式表示的性能比较 | 第74-80页 |
| ·在原始向量数据集上采用矩阵与向量模式表示的性能比较 | 第80-81页 |
| ·进一步讨论 | 第81-83页 |
| ·本章小结 | 第83-85页 |
| 第二部分 面向模式源的分类器学习 | 第85-148页 |
| 第五章 基于核的多视角型分类器设计方法 | 第86-121页 |
| ·引言 | 第86-87页 |
| ·MultiK-MHKS | 第87-101页 |
| ·相关工作 | 第88-89页 |
| ·NmCCA 同正则化方法的融合 | 第89-96页 |
| ·模拟实验 | 第96-101页 |
| ·MultiV-KMHKS | 第101-110页 |
| ·相关工作 | 第101-102页 |
| ·多视角的核学习机 | 第102-106页 |
| ·模拟实验 | 第106-110页 |
| ·MVNA-KMHKS | 第110-119页 |
| ·算法动机 | 第110-111页 |
| ·相关工作 | 第111-113页 |
| ·引入Nystr?m 核矩阵近似的多视角学习机 | 第113-116页 |
| ·模拟实验 | 第116-119页 |
| ·本章小结 | 第119-121页 |
| 第六章 多视角型分类器设计方法的进一步探讨 | 第121-148页 |
| ·引言 | 第121页 |
| ·MultiV-MHKS | 第121-137页 |
| ·算法动机 | 第121-124页 |
| ·相关工作 | 第124-125页 |
| ·算法设计 | 第125-128页 |
| ·模拟实验 | 第128-137页 |
| ·多视角正则化方法（MVDR） | 第137-147页 |
| ·算法动机 | 第137-138页 |
| ·判别型正则化方法（DR）[150] | 第138-139页 |
| ·算法设计 | 第139-143页 |
| ·模拟实验 | 第143-147页 |
| ·本章小结 | 第147-148页 |
| 第七章 结束语 | 第148-150页 |
| 参考文献 | 第150-159页 |
| 致谢 | 第159-160页 |
| 在学期间的研究成果及发表的学术论文 | 第160-161页 |
