分类器设计及组合技术研究
| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-12页 |
| 第一章 绪论 | 第12-20页 |
| ·模式识别系统 | 第12-14页 |
| ·模式获取 | 第12-13页 |
| ·预处理 | 第13页 |
| ·特征抽取 | 第13页 |
| ·分类决策 | 第13页 |
| ·后处理 | 第13-14页 |
| ·模式识别研究现状 | 第14-18页 |
| ·神经网络模式识别方法 | 第14-15页 |
| ·模糊模式识别方法 | 第15-16页 |
| ·数学理论在模式识别中的应用 | 第16页 |
| ·多种智能方法融合的模式识别 | 第16-18页 |
| ·集成型模式识别系统 | 第18页 |
| ·本文的主要工作和论文组织 | 第18-20页 |
| 第二章 分类器设计与组合概述 | 第20-39页 |
| ·分类器设计概述 | 第20-25页 |
| ·基于参考点和聚类的分类器 | 第20-21页 |
| ·基于神经网络的分类器 | 第21-22页 |
| ·基于概率统计的分类器 | 第22-23页 |
| ·基于子空间和 PCA 的分类器 | 第23-24页 |
| ·基于优化方法的分类器 | 第24页 |
| ·基于模糊算法的分类器 | 第24-25页 |
| ·分类器的过拟合问题 | 第25-26页 |
| ·分类器的评价与比较 | 第26-29页 |
| ·分类器的泛化能力 | 第26-28页 |
| ·保持法 | 第28页 |
| ·交叉验证法 | 第28-29页 |
| ·余一法 | 第29页 |
| ·多分类器组合概述 | 第29-38页 |
| ·分类器输出信息 | 第30页 |
| ·多分类器组合类型 | 第30-32页 |
| ·多分类器组合问题 | 第32-38页 |
| ·小结 | 第38-39页 |
| 第三章 基于自适应距离度量的分类器设计 | 第39-49页 |
| ·距离分类器 | 第40-42页 |
| ·最小距离分类器 | 第41-42页 |
| ·最近邻分类器 | 第42页 |
| ·K-近邻分类器 | 第42页 |
| ·基于自适应距离度量的距离分类器 | 第42-45页 |
| ·自适应距离模型 | 第42-43页 |
| ·最优权重W 的训练 | 第43-44页 |
| ·分类方法 | 第44-45页 |
| ·实验比较 | 第45-48页 |
| ·实验数据 | 第45页 |
| ·实验结果 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于自适应距离度量的最小距离分类器集成 | 第49-54页 |
| ·自适应距离度量的分类器集成 | 第50-51页 |
| ·个体分类器的生成方法 | 第50页 |
| ·分类器的结论组合方法 | 第50-51页 |
| ·实验比较 | 第51-53页 |
| ·实验过程 | 第52页 |
| ·实验结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 最小距离分类器与支持向量机组合方法 | 第54-66页 |
| ·支持向量机 | 第55-60页 |
| ·SVM 的理论基础 | 第55-56页 |
| ·SVM 的基本原理 | 第56-60页 |
| ·MDC-SVM 组合分类器 | 第60-62页 |
| ·对MDC 分类机理的分析 | 第60-61页 |
| ·MDC-SVM 分类器 | 第61-62页 |
| ·MDC-SVM 分类器算法 | 第62页 |
| ·实验比较 | 第62-65页 |
| ·实验1 | 第62-63页 |
| ·实验2 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 结束语 | 第66-68页 |
| 参考文献 | 第68-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的学术论文目录 | 第76页 |
