数字信息模式识别理论及其应用
| 1 绪论 | 第1-28页 |
| ·课题的提出 | 第13-14页 |
| ·数据信息特征的含义与研究内容 | 第14-15页 |
| ·数据特征分析理论方法 | 第15-25页 |
| ·统计分析理论方法 | 第15-17页 |
| ·探索性数据分析方法 | 第17-18页 |
| ·信息理论方法 | 第18-21页 |
| ·模式识别理论方法 | 第21-24页 |
| ·子空间法 | 第24-25页 |
| ·一些软计算理论方法 | 第25页 |
| ·存在的主要问题和本文的研究内容 | 第25-28页 |
| 第一篇 基础理论 | 第28-49页 |
| 2 模式识别基础理论 | 第28-41页 |
| ·基本概念 | 第28-29页 |
| ·模式识别的基本方法 | 第29-30页 |
| ·概率密度函数的估计方法 | 第30-32页 |
| ·监督最大似然估计 | 第30-31页 |
| ·非监督最大似然估计 | 第31-32页 |
| ·最小错误率贝叶斯决策 | 第32-38页 |
| ·最小错误率贝叶斯决策 | 第32-33页 |
| ·多元正态分布模型 | 第33-35页 |
| ·错误率及其计算方法 | 第35-38页 |
| ·几种常用的距离测度 | 第38-41页 |
| 3 信息论基础理论研究 | 第41-49页 |
| ·离散信源及其性质信源 | 第41-44页 |
| ·离散信源的数学模型 | 第41-42页 |
| ·信源符号的自信息量及其性质 | 第42-43页 |
| ·信源的信息熵及其主要性质 | 第43-44页 |
| ·离散信道及其性质 | 第44-47页 |
| ·信道的数学模型 | 第45页 |
| ·互信息 | 第45-47页 |
| ·连续信源 | 第47-49页 |
| 第二篇 数据压缩与特征提取 | 第49-120页 |
| 4 统计分析理论与方法 | 第50-78页 |
| ·基于可分离性准则的特征提取 | 第50-59页 |
| ·可分离性准则 | 第50页 |
| ·类内类间距离可分性准则 | 第50-53页 |
| ·概率距离类别可分性准则 | 第53-56页 |
| ·熵函数可分性准则 | 第56-59页 |
| ·基于K-L变换的数据压缩与特征提取 | 第59-70页 |
| ·K-L变换原理 | 第59-60页 |
| ·最小均方差准则数据压缩与特征提取 | 第60-63页 |
| ·K-L变换的信息特性 | 第63-65页 |
| ·从总体熵提取分类特征 | 第65-67页 |
| ·从类平均向量中提取数据特征 | 第67-70页 |
| ·主成分分析 | 第70-76页 |
| ·原理 | 第70-72页 |
| ·几何意义 | 第72-73页 |
| ·信息特性 | 第73-74页 |
| ·实例分析 | 第74-76页 |
| ·小结 | 第76-78页 |
| 5 探索性数据分析理论与方法 | 第78-110页 |
| ·投影寻踪数据特征分析 | 第78-87页 |
| ·理论的产生与发展 | 第79-80页 |
| ·投影寻踪指标研究 | 第80-84页 |
| ·偏离高斯分布程度的确定 | 第84-85页 |
| ·与主成分分析的比较 | 第85-87页 |
| ·独立分量分析数据特征分析 | 第87-109页 |
| ·定义 | 第87-88页 |
| ·基于互信息的独立分量分析模型 | 第88-89页 |
| ·负熵的近似 | 第89-91页 |
| ·目标函数 | 第91-92页 |
| ·差异函数 | 第92-94页 |
| ·数据预处理 | 第94-95页 |
| ·信息极大快速算法 | 第95-97页 |
| ·实验分析 | 第97-109页 |
| ·小结 | 第109-110页 |
| 6 互信息特征提取方法 | 第110-118页 |
| ·引言 | 第110-111页 |
| ·互信息特征提取准则 | 第111-112页 |
| ·Renyi熵特征提取方法 | 第112-118页 |
| ·Renyi熵的定义 | 第112页 |
| ·Parzen密度估计 | 第112-113页 |
| ·Renyi二次互信息 | 第113-114页 |
| ·离散类标签与数据间的Renyi二次互信息 | 第114-117页 |
| ·Renyi二次互信息特征提取算法 | 第117-118页 |
| ·小结 | 第118页 |
| 第二篇 结束语 | 第118-120页 |
| 第三篇 信息模式识别理论的扩展 | 第120-151页 |
| 7 信息熵与数据探测方法 | 第120-130页 |
| ·母体均值变化的判识 | 第121-125页 |
| ·基本思想 | 第121页 |
| ·初步解决的问题 | 第121-122页 |
| ·母体均值变化的模式识别判识 | 第122-125页 |
| ·信息熵与数据探测 | 第125-129页 |
| ·信息熵作为测量结果不确定性的测度 | 第125-127页 |
| ·基于熵的粗差识别法 | 第127-129页 |
| ·小结 | 第129-130页 |
| 8 最大熵与最小描述长度的应用 | 第130-148页 |
| ·最大熵原理与应用 | 第130-138页 |
| ·最大熵原理及其数学表示 | 第130-133页 |
| ·最大熵的计算 | 第133-134页 |
| ·实验分析 | 第134-138页 |
| ·最小描述长度原理及其应用 | 第138-147页 |
| ·MDL原理 | 第138-142页 |
| ·MDL与极大似然估计和最大熵原理的关系 | 第142-144页 |
| ·基于MDL原理的G-M模型的主成分估计法 | 第144-147页 |
| ·小结 | 第147-148页 |
| 9 主要研究成果与结论 | 第148-151页 |
| 主要参考文献 | 第151-158页 |
| 致谢 | 第158-159页 |
| 作者读博期间工作简介 | 第159页 |
