基于信息论的加权Laplacian分类器设计
摘要 | 第1-5页 |
ABSTRACT | 第5-10页 |
第一章 绪论 | 第10-18页 |
·分类器的发展及其应用 | 第10-12页 |
·分类器的发展过程 | 第10-11页 |
·分类器的应用 | 第11-12页 |
·常见分类器的介绍 | 第12-14页 |
·线性判别分析(LDA) | 第12-13页 |
·贝叶斯分类器(BC) | 第13页 |
·支持向量机(SVM) | 第13-14页 |
·信息论概况 | 第14-16页 |
·信息论发展 | 第15页 |
·基本概念 | 第15-16页 |
·本文的研究意义与主要工作 | 第16-18页 |
·本文的研究意义 | 第16页 |
·本文的主要工作 | 第16-18页 |
第二章 Laplacian 分类器 | 第18-32页 |
·分类准则 | 第18-24页 |
·Parzen 窗估计 | 第18-19页 |
·CS 损失函数 | 第19-20页 |
·与贝叶斯错误率相关 | 第20-21页 |
·Laplacian 矩阵 | 第21-23页 |
·分类准则 | 第23-24页 |
·分类器性质 | 第24-28页 |
·核空间的角度测量 | 第24-25页 |
·权重大小 | 第25-26页 |
·鲁棒性 | 第26-28页 |
·实验结果 | 第28-31页 |
·小概率区域数据集 | 第28-30页 |
·一般数据集 | 第30-31页 |
·本章小结 | 第31-32页 |
第三章 单边加权 Laplacian 分类器 | 第32-44页 |
·权值优化 | 第32-34页 |
·加权 Parzen 窗估计 | 第32-33页 |
·优化公式 | 第33-34页 |
·优化方法 | 第34-36页 |
·线性规划 | 第34-35页 |
·熵正则化 | 第35-36页 |
·二次规划 | 第36页 |
·分类准则 | 第36-39页 |
·实验结果 | 第39-43页 |
·toy 数据集 | 第39-41页 |
·不平衡数据集 | 第41-42页 |
·平衡数据集 | 第42-43页 |
·本章小结 | 第43-44页 |
第四章 双边加权 Laplacian 分类器 | 第44-54页 |
·权值优化 | 第44-48页 |
·优化公式 | 第44-46页 |
·优化方法 | 第46-48页 |
·分类准则 | 第48-50页 |
·实验结果 | 第50-52页 |
·不平衡数据集 | 第50-51页 |
·平衡数据集 | 第51-52页 |
·本章小结 | 第52-54页 |
第五章 总结与展望 | 第54-56页 |
·课题主要工作总结 | 第54-55页 |
·后期工作展望 | 第55-56页 |
参考文献 | 第56-60页 |
致谢 | 第60-61页 |
在学期间的研究成果及发表的学术论文 | 第61页 |