基于整体和局部信息的多经验核学习及其应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-11页 |
| ·多核学习的研究现状 | 第11-12页 |
| ·研究内容及章节安排 | 第12-15页 |
| 第2章 相关工作 | 第15-25页 |
| ·线性分类器 | 第15-16页 |
| ·核方法 | 第16-19页 |
| ·多核学习模型 | 第19-23页 |
| ·本章小结 | 第23-25页 |
| 第3章 基于整体和局部的多经验核学习算法 | 第25-37页 |
| ·引言 | 第25页 |
| ·整体和局部信息的典型相关分析GLCCA | 第25-32页 |
| ·典型相关分析方法及其改进方法 | 第26-29页 |
| ·GLCCA算法模型 | 第29-32页 |
| ·多经验核映射 | 第32-33页 |
| ·整体和局部的多经验核学习模型GLMEKL | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第4章 实验 | 第37-53页 |
| ·引言 | 第37页 |
| ·实验设置 | 第37-38页 |
| ·分类器算法介绍 | 第38-40页 |
| ·HK算法 | 第38-39页 |
| ·MHKS算法 | 第39-40页 |
| ·最近邻算法 | 第40页 |
| ·UCI数据集实验验证 | 第40-46页 |
| ·人脸图像数据集实验验证 | 第46-49页 |
| ·多视角数据集实验验证 | 第49-50页 |
| ·本章小结 | 第50-53页 |
| 第5章 人脸识别系统实现 | 第53-63页 |
| ·系统概述 | 第53-54页 |
| ·系统设计框架 | 第54-56页 |
| ·系统实现和演示 | 第56-61页 |
| ·本章小结 | 第61-63页 |
| 第6章 结论与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 附录1 攻读硕士学位期间参加的课题 | 第71页 |
