| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·研究背景和意义 | 第12-15页 |
| ·基于 KDE 的分类和回归方法研究现状 | 第15-17页 |
| ·高光谱分类研究现状 | 第17-19页 |
| ·红外透射光谱回归研究现状 | 第19-20页 |
| ·本文的研究内容 | 第20-21页 |
| ·本文的组织方式 | 第21-22页 |
| 第2章 核密度估计理论与方法 | 第22-38页 |
| ·引言 | 第22-23页 |
| ·KDE 的数学模型 | 第23-25页 |
| ·最优窗口宽度选取 | 第25-30页 |
| ·积分均方差 MISE | 第26-28页 |
| ·积分方差 ISE | 第28-30页 |
| ·KDE 的渐近无偏性和收敛性 | 第30-32页 |
| ·朴素贝叶斯分类器 | 第32-34页 |
| ·正态化方法 | 第33-34页 |
| ·KDE 方法 | 第34页 |
| ·核回归 | 第34-37页 |
| ·小结 | 第37-38页 |
| 第3章 基于等效概率的灵活朴素贝叶斯分类器 | 第38-60页 |
| ·引言 | 第38-39页 |
| ·核函数效能 | 第39-42页 |
| ·非光滑核函数的作用条件 | 第42-45页 |
| ·K_(Uniform)的作用条件 | 第43页 |
| ·K_(Non-smooth-5)的作用条件 | 第43-45页 |
| ·缓解核无效现象的等效概率 | 第45-48页 |
| ·核无效现象 | 第45-46页 |
| ·等效概率 | 第46-48页 |
| ·标准 UCI 和高光谱数据分类 | 第48-59页 |
| ·数据准备 | 第48-49页 |
| ·评价指标 | 第49-50页 |
| ·实验结果与分析 | 第50-59页 |
| ·小结 | 第59-60页 |
| 第4章 基于联合概率密度函数估计的非朴素贝叶斯分类器 | 第60-87页 |
| ·引言 | 第60-62页 |
| ·联合概率密度函数估计 | 第62-64页 |
| ·非朴素贝叶斯分类器 | 第64-69页 |
| ·不同窗口宽度确定方法的比较 | 第69-72页 |
| ·Bootstrap 法 | 第69-70页 |
| ·LSCV 法 | 第70页 |
| ·BCV 法 | 第70-71页 |
| ·最优窗口宽度h_(M ISE)~( Bootstrap)，h_(ISE)~( LSCV)和h_(MISE)~( BCV) 的求解 | 第71-72页 |
| ·联合概率密度函数估计最优性证明 | 第72-76页 |
| ·标准 UCI 和高光谱数据分类 | 第76-86页 |
| ·数据准备和评价指标 | 第76页 |
| ·实验结果与分析 | 第76-86页 |
| ·小结 | 第86-87页 |
| 第5章 基于粒子群优化模糊积分的核回归集成 | 第87-112页 |
| ·引言 | 第87-88页 |
| ·核回归估计器 PCKE 的高方差性 | 第88-93页 |
| ·基于模糊积分的核回归集成 | 第93-99页 |
| ·核回归集成模型 KREFI | 第93-95页 |
| ·模糊测度和模糊积分 | 第95-96页 |
| ·KREFI 中的关键问题 | 第96-99页 |
| ·使用粒子群优化确定模糊测度 | 第99-105页 |
| ·粒子群优化算法 | 第99-103页 |
| ·基于 PSO 算法的 KREFI_g和 KREFI_λ | 第103-105页 |
| ·红外透射光谱回归分析 | 第105-111页 |
| ·实验参数设置 | 第105页 |
| ·标准测试函数测试 | 第105-107页 |
| ·红外透射光谱数据测试 | 第107-111页 |
| ·小结 | 第111-112页 |
| 第6章 总结与展望 | 第112-114页 |
| ·主要贡献与创新 | 第112-113页 |
| ·研究展望 | 第113-114页 |
| 参考文献 | 第114-130页 |
| 致谢 | 第130-131页 |
| 攻读博士学位期间科研工作情况 | 第131-133页 |
