| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-12页 |
| 表格目录 | 第12-13页 |
| 插图目录 | 第13-14页 |
| 算法目录 | 第14-18页 |
| 第1章 绪论 | 第18-32页 |
| ·引言 | 第18-20页 |
| ·图像分类中的有限混合建模方法研究现状 | 第20-22页 |
| ·有限混合模型 | 第20-21页 |
| ·模型选择 | 第21-22页 |
| ·判别学习方法研究现状 | 第22-27页 |
| ·支持向量机 | 第23-24页 |
| ·最小分类错误方法 | 第24-25页 |
| ·最大互信息方法 | 第25-26页 |
| ·基于边缘最大化的概率密度估计 | 第26-27页 |
| ·最大最小后验伪概率方法 | 第27页 |
| ·主要问题与难点 | 第27-28页 |
| ·研究内容 | 第28-29页 |
| ·论文结构 | 第29-32页 |
| 第2章 应用背景 | 第32-44页 |
| ·引言 | 第32-33页 |
| ·特征提取 | 第33-37页 |
| ·正交高斯混合建模 | 第37-39页 |
| ·基于后验伪概率的贝叶斯分类器 | 第39-40页 |
| ·实验数据库 | 第40-42页 |
| ·小结 | 第42-44页 |
| 第3章 基于软目标的后验伪概率判别学习方法 | 第44-60页 |
| ·引言 | 第44-45页 |
| ·最大最小后验伪概率判别学习方法 | 第45-47页 |
| ·基于软目标的最大最小后验伪概率学习方法 | 第47-49页 |
| ·后验伪概率软目标 | 第47页 |
| ·经验损失与目标函数 | 第47-48页 |
| ·优化方法 | 第48-49页 |
| ·基于软目标的训练数据选择方法 | 第49-51页 |
| ·SoftDS-MMP 算法流程 | 第51-52页 |
| ·SoftDS-MMP 在手写体数字识别中的应用 | 第52-57页 |
| ·小结 | 第57-60页 |
| 第4章 高斯混合模型的判别选择方法 | 第60-76页 |
| ·引言 | 第60页 |
| ·主流GMM 选择方法 | 第60-63页 |
| ·生成式方法 | 第61-63页 |
| ·判别式方法 | 第63页 |
| ·贝叶斯模型选择方法 | 第63-66页 |
| ·贝叶斯模型选择准则 | 第63-65页 |
| ·贝叶斯准则计算方法 | 第65-66页 |
| ·基于SoftDS-MMP 的贝叶斯模型选择方法 | 第66-69页 |
| ·SoftDS-MMP 目标函数的转换 | 第66-67页 |
| ·GMM 模型判别评价准则 | 第67-68页 |
| ·线性搜索策略 | 第68-69页 |
| ·实验结果 | 第69-74页 |
| ·模型选择方法比较 | 第70-72页 |
| ·数字分类器比较 | 第72-74页 |
| ·小结 | 第74-76页 |
| 第5章 结合目标函数梯度的进化策略优化算法 | 第76-98页 |
| ·引言 | 第76-78页 |
| ·相关工作 | 第78-79页 |
| ·Cholesky-CMA-ES | 第79-83页 |
| ·协方差矩阵自适应进化策略 | 第80页 |
| ·基于Cholesky 分解的协方差矩阵更新 | 第80-81页 |
| ·全局步长自适应更新 | 第81-82页 |
| ·Cholesky-CMA-ES 算法 | 第82-83页 |
| ·Cholesky-CMA-ES 与梯度优化的结合 | 第83-87页 |
| ·加权均值更新 | 第83-85页 |
| ·协方差矩阵更新 | 第85-87页 |
| ·全局步长控制 | 第87页 |
| ·Cholesky-CMA-ES 与梯度优化的均衡控制 | 第87-88页 |
| ·联合优化算法在SoftDS-MMP 中的应用 | 第88-89页 |
| ·实验结果 | 第89-97页 |
| ·优化方法效果比较 | 第91-93页 |
| ·优化方法效率比较 | 第93-94页 |
| ·数字分类识别结果比较 | 第94-97页 |
| ·小结 | 第97-98页 |
| 第6章 总结与展望 | 第98-102页 |
| ·本文研究工作总结 | 第98-99页 |
| ·进一步研究工作展望 | 第99-102页 |
| 参考文献 | 第102-118页 |
| 附录 A | 第118-120页 |
| 附录 B | 第120-124页 |
| 攻读学位期间发表论文与研究成果清单 | 第124-125页 |
| 攻读博士学位期间参加的科研项目 | 第125-126页 |
| 致谢 | 第126-127页 |
| 作者简介 | 第127页 |