稀疏贝叶斯模型在分类与回归上的研究与应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-19页 |
| ·研究背景与意义 | 第12-13页 |
| ·研究现状 | 第13-17页 |
| ·贝叶斯学习理论 | 第13-14页 |
| ·神经网络学习理论 | 第14-15页 |
| ·统计学习理论 | 第15-17页 |
| ·本文主要研究工作 | 第17页 |
| ·本文组织结构 | 第17-19页 |
| 第二章 贝叶斯理论基础 | 第19-29页 |
| ·贝叶斯理论 | 第19-22页 |
| ·贝叶斯学习理论简介 | 第19-20页 |
| ·贝叶斯定理 | 第20-21页 |
| ·极大后验假设与极大似然假设 | 第21-22页 |
| ·事件的独立性 | 第22页 |
| ·贝叶斯决策规则 | 第22-27页 |
| ·最小错误率贝叶斯分类器 | 第24-25页 |
| ·最大似然比贝叶斯分类器 | 第25-26页 |
| ·最小风险贝叶斯分类器 | 第26-27页 |
| ·参数学习 | 第27-28页 |
| ·最大似然估计 | 第27-28页 |
| ·贝叶斯估计 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第三章 稀疏贝叶斯分类 | 第29-41页 |
| ·稀疏贝叶斯分类模型 | 第29-34页 |
| ·模型提出 | 第29-30页 |
| ·模型的求解 | 第30-31页 |
| ·超参数优化 | 第31-32页 |
| ·模型求解步骤 | 第32页 |
| ·实验与分析 | 第32-34页 |
| ·稀疏贝叶斯代价敏感分类 | 第34-40页 |
| ·代价敏感问题 | 第34-36页 |
| ·模型的提出 | 第36-37页 |
| ·实验与分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 稀疏贝叶斯回归 | 第41-51页 |
| ·稀疏贝叶斯回归模型 | 第41-44页 |
| ·模型提出 | 第41-42页 |
| ·模型求解 | 第42-43页 |
| ·实验与分析 | 第43-44页 |
| ·异常检测问题回顾 | 第44-47页 |
| ·基于稀疏贝叶斯回归的异常检测 | 第47-50页 |
| ·算法提出 | 第47页 |
| ·实验与分析 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·本文工作总结 | 第51页 |
| ·未来工作展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 在学期间研究成果及发表论文 | 第58页 |
