统计模式识别系统中关键算法的研究与应用
| 摘要 | 第1-3页 |
| Abstract | 第3-5页 |
| 目录 | 第5-8页 |
| 第一章 引言 | 第8-11页 |
| ·论文背景 | 第8-10页 |
| ·论文结构 | 第10页 |
| ·论文创新点 | 第10-11页 |
| 第二章 统计模式识别系统概述 | 第11-15页 |
| ·统计模式识别系统 | 第11-13页 |
| ·数据获取与预处理 | 第11-12页 |
| ·特征提取和选择 | 第12-13页 |
| ·分类决策 | 第13页 |
| ·设计循环 | 第13页 |
| ·学习与适应 | 第13-15页 |
| 第三章 统计模式识别主流技术追踪 | 第15-42页 |
| ·结构特征的抽取技术 | 第15-22页 |
| ·语音识别中的LPCC与MFCC特征提取 | 第15-19页 |
| ·LPCC参数的提取 | 第16-17页 |
| ·MFCC参数的提取 | 第17-19页 |
| ·二维图像的Gabor小波变换 | 第19-22页 |
| ·数据空间的压缩技术 | 第22-29页 |
| ·主成分分析(PCA)技术 | 第23-25页 |
| ·线性判别分析(LDA)技术 | 第25-27页 |
| ·独立成分分析(ICA)技术 | 第27-29页 |
| ·特征选取技术 | 第29-31页 |
| ·多层神经网络 | 第31-42页 |
| ·前馈运算和分类 | 第31-33页 |
| ·反向传播算法 | 第33-38页 |
| ·网络学习 | 第34-36页 |
| ·训练协议 | 第36-38页 |
| ·基于神经网络的细胞分类 | 第38-42页 |
| 第四章 统计模式识别关键算法研究与创新 | 第42-76页 |
| ·快速图像处理的积分图方法 | 第42-48页 |
| ·背景 | 第42-43页 |
| ·垂直积分图的计算与使用 | 第43-44页 |
| ·典型应用 | 第44-46页 |
| ·空域滤波器 | 第44-45页 |
| ·图像区域的水平和垂直投影 | 第45-46页 |
| ·试验结果与分析 | 第46-47页 |
| ·总结与展望 | 第47-48页 |
| ·基于集成机器学习的特征提取及多重分类器设计 | 第48-61页 |
| ·问题分析与解决思路 | 第48-49页 |
| ·图像的Harr-like特征抽取 | 第49-52页 |
| ·机器学习算法Adaboost | 第52-55页 |
| ·改进的Adaboost方法 | 第55-57页 |
| ·多重分类器的设计 | 第57-58页 |
| ·试验结果 | 第58-60页 |
| ·分析与展望 | 第60-61页 |
| ·基于多特征融合的多级分类器框架 | 第61-68页 |
| ·问题分析与解决方案 | 第61-62页 |
| ·初分类阶段 | 第62-63页 |
| ·组内匹配阶段 | 第63-66页 |
| ·加强处理阶段 | 第66-67页 |
| ·结果分析与总结 | 第67-68页 |
| ·数据空间压缩技术的深入研究 | 第68-76页 |
| ·改进的LDA方法 | 第68-70页 |
| ·基于核函数的方法 | 第70-76页 |
| 第五章 总结与展望 | 第76-79页 |
| ·对所作研究工作的总结 | 第76-77页 |
| ·对本研究方向未来发展的展望 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 硕士期间发表的论文 | 第84-85页 |
| 致谢 | 第85页 |
