模式识别中分类器学习能力与泛化性的改进
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-19页 |
| ·发展综述 | 第8-10页 |
| ·研究现状 | 第10-16页 |
| ·模式识别相关技术概述 | 第10-11页 |
| ·概率密度估计 | 第11-12页 |
| ·特征选择 | 第12-13页 |
| ·特征变换 | 第13-14页 |
| ·模式分类 | 第14-16页 |
| ·发展趋势 | 第16-17页 |
| ·论文的研究目的和研究内容 | 第17页 |
| ·论文的组织结构 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 2 模式分类方法 | 第19-23页 |
| ·贝叶斯分类算法 | 第19-20页 |
| ·决策树分类算法 | 第20-21页 |
| ·支持向量机分类算法 | 第21页 |
| ·其他分类算法 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 最优化理论和支持向量机 | 第23-39页 |
| ·抽象空间 | 第23-25页 |
| ·度量空间 | 第23页 |
| ·线性空间 | 第23-24页 |
| ·线性赋范空间 | 第24页 |
| ·内积空间 | 第24-25页 |
| ·抽象空间小结 | 第25页 |
| ·最优化理论 | 第25-32页 |
| ·最优化方法的结构 | 第25-26页 |
| ·凸集和凸函数 | 第26-27页 |
| ·无约束非线性规划 | 第27-30页 |
| ·约束非线性规划 | 第30-32页 |
| ·对偶理论 | 第32页 |
| ·支持向量机 | 第32-38页 |
| ·最优分类超平面 | 第32-35页 |
| ·近似线性可分问题 | 第35-36页 |
| ·线性不可分问题 | 第36-37页 |
| ·核函数 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 降低学习能力和泛化性间的矛盾 | 第39-47页 |
| ·最大边距分类面与对偶点对 | 第39-40页 |
| ·建立最大边距分类面及分类 | 第40-42页 |
| ·寻找对偶点对 | 第42-43页 |
| ·噪音处理 | 第43-45页 |
| ·搜索偏置有效性分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5 实验结果及其分析 | 第47-54页 |
| ·实验方法和实验数据 | 第47-48页 |
| ·分类结果及其分析 | 第48-53页 |
| ·方法缺陷及其分析 | 第53页 |
| ·本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 附录 | 第62页 |
| 作者在攻读学位期间发表论文 | 第62页 |
