| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-23页 |
| ·核方法简述 | 第11-15页 |
| ·核方法研究进展 | 第15-17页 |
| ·核方法的关键问题分析 | 第17-18页 |
| ·论文研究目的和意义 | 第18-19页 |
| ·论文研究内容及安排 | 第19-23页 |
| 第二章 核矩阵的低秩近似分解 | 第23-47页 |
| ·核矩阵低秩近似分解简介 | 第23-25页 |
| ·基于熵和 Nystr(o|¨)m 的低秩分解算法 | 第25-36页 |
| ·信息熵与 Nystr(o|¨)m 分解简述 | 第25-27页 |
| ·分解算法设计 | 第27-30页 |
| ·核矩阵低秩分解实验与性能分析 | 第30-36页 |
| ·基于主元选取和列相关的分解算法 | 第36-43页 |
| ·QR 分解与不完全 Cholesky 分解 | 第36-38页 |
| ·列相关定义 | 第38-40页 |
| ·分解算法设计 | 第40-42页 |
| ·不同分类器及主元选取方法实验 | 第42-43页 |
| ·核矩阵低秩近似误差界的估计 | 第43-45页 |
| ·算法时间复杂度分析 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第三章 核空间中的相似性测度 | 第47-61页 |
| ·相似性测度重要性 | 第47-49页 |
| ·信息能度量 | 第49-56页 |
| ·信息能度量定义 | 第49-53页 |
| ·与互信息度量比较 | 第53-56页 |
| ·相似性测度实验结果与分析 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第四章 基于核矩阵低秩分解和信息能度量的特征提取 | 第61-71页 |
| ·问题描述 | 第61-62页 |
| ·算法设计 | 第62-64页 |
| ·目标函数优化策略的确定 | 第64-65页 |
| ·实验结果与分析 | 第65-70页 |
| ·降维效果及信息能梯度信息实验 | 第66-69页 |
| ·真实数据分类性能实验 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 基于信息能度量的核k-最近邻算法 | 第71-83页 |
| ·引言 | 第71-72页 |
| ·核k-最近邻算法 | 第72-76页 |
| ·最近邻算法的核化 | 第72-73页 |
| ·算法设计 | 第73-75页 |
| ·与已有算法比较分析 | 第75-76页 |
| ·实验结果与分析 | 第76-82页 |
| ·小规模数据集测试实验 | 第77-80页 |
| ·大规模数据集测试实验 | 第80-82页 |
| ·本章小结 | 第82-83页 |
| 第六章 基于信息能度量的核形态差异学习算法 | 第83-93页 |
| ·形态差异学习简述 | 第83-84页 |
| ·基于信息能度量的核形态差异学习 | 第84-87页 |
| ·实验结果与分析 | 第87-91页 |
| ·形态差异定量分析实验 | 第87-89页 |
| ·算法的鲁棒性能分析 | 第89-91页 |
| ·本章小结 | 第91-93页 |
| 第七章 结论与展望 | 第93-97页 |
| ·本文的主要结论 | 第93-94页 |
| ·进一步的工作 | 第94-97页 |
| 致谢 | 第97-99页 |
| 参考文献 | 第99-113页 |
| 作者攻读博士期间的研究成果和参加的科研项目 | 第113-114页 |