| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 文章结构安排 | 第15-16页 |
| 第二章 多核学习理论 | 第16-28页 |
| 2.1 机器学习 | 第16页 |
| 2.2 支持向量机 | 第16-20页 |
| 2.2.1 间隔与支持向量 | 第17-18页 |
| 2.2.2 线性可分情况 | 第18-20页 |
| 2.2.3 线性不可分情况 | 第20页 |
| 2.3 核函数 | 第20-23页 |
| 2.4 多核学习理论 | 第23-24页 |
| 2.4.1 多核学习 | 第23页 |
| 2.4.2 多核学习最优分类超平面的求解 | 第23-24页 |
| 2.5 核相似性度量 | 第24-27页 |
| 2.5.1 理想内核 | 第25页 |
| 2.5.2 相似性度量方法 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于PSO优化算法的MKL框架 | 第28-42页 |
| 3.1 算法框架 | 第28-29页 |
| 3.2 PSO优化算法 | 第29-32页 |
| 3.2.1 基本PSO算法 | 第29-30页 |
| 3.2.2 改进的PSO算法 | 第30-32页 |
| 3.3 基于改进PSO算法的MKL | 第32-34页 |
| 3.3.1 快速Isomap | 第32-33页 |
| 3.3.2 改进的MKL算法 | 第33-34页 |
| 3.4 实验仿真及结果分析 | 第34-41页 |
| 3.4.1 参数设置 | 第34-35页 |
| 3.4.2 实验设计 | 第35-36页 |
| 3.4.3 结果分析 | 第36-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 改进MKL框架在近红外人脸检测系统中的应用 | 第42-51页 |
| 4.1 概述 | 第42页 |
| 4.2 系统分析与设计 | 第42-43页 |
| 4.3 软件开发环境 | 第43页 |
| 4.4 应用程序编写 | 第43-47页 |
| 4.4.1 图像采集模块 | 第44-45页 |
| 4.4.2 人脸检测模块 | 第45-46页 |
| 4.4.3 结果展示模块 | 第46-47页 |
| 4.5 系统运行效果 | 第47-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 工作总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间的研究成果 | 第59页 |