基于高斯过程的分类算法及其应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题的研究背景和意义 | 第10页 |
| ·高斯过程研究现状 | 第10-12页 |
| ·分类方法的研究现状 | 第12-15页 |
| ·核函数分类与非核函数分类 | 第12-13页 |
| ·监督分类与非监督分类 | 第13-14页 |
| ·参数分类与非参数分类 | 第14-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| 第二章 高斯二类分类建模算法 | 第16-39页 |
| ·高斯过程介绍 | 第16-19页 |
| ·机器学习基本理论 | 第16-17页 |
| ·贝叶斯学习方法 | 第17-18页 |
| ·高斯过程模型 | 第18-19页 |
| ·分类决策理论 | 第19-21页 |
| ·分类的线性模型 | 第21-22页 |
| ·高斯分类基础 | 第22-24页 |
| ·二类高斯分类下的拉普拉斯方法 | 第24-30页 |
| ·后验分布 | 第24-26页 |
| ·预测 | 第26-28页 |
| ·边界似然 | 第28页 |
| ·实现 | 第28-30页 |
| ·二类高斯分类下的期望传播方法 | 第30-38页 |
| ·预测 | 第33-34页 |
| ·边界似然 | 第34-35页 |
| ·实现 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 二类分类算法及优化 | 第39-51页 |
| ·二类分类分析 | 第39-46页 |
| ·一个二类分类问题 | 第39-40页 |
| ·一维范例 | 第40-42页 |
| ·二类手写数字分类举例 | 第42-46页 |
| ·组合核函数下的高斯二类分类 | 第46-49页 |
| ·实验及分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 多类分类算法及实验 | 第51-59页 |
| ·拉普拉斯近似化方法下的多类分类 | 第51-56页 |
| ·实现 | 第55-56页 |
| ·基于二类分类的多类分类 | 第56页 |
| ·实验及分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 结合粗糙集和高斯过程的分类算法 | 第59-66页 |
| ·粗糙集理论 | 第59-62页 |
| ·粗糙集理论基本概念 | 第59-61页 |
| ·粗糙集的约简与核 | 第61-62页 |
| ·模型设计 | 第62-64页 |
| ·实验及分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 结论与展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 答辩委员会对论文的评定意见 | 第73页 |
