| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.3 文章的研究内容与结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 预备知识 | 第14-22页 |
| 2.1 平稳随机过程 | 第14-16页 |
| 2.2 分类问题定义 | 第16页 |
| 2.3 相对熵 | 第16-18页 |
| 2.4 平稳子空间分析 | 第18-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于平稳子空间分析和相对熵的分类方法 | 第22-43页 |
| 3.1 SSA-KL分类方法整体描述 | 第22-25页 |
| 3.2 影响二分类模型的因素分析 | 第25-41页 |
| 3.2.1 数据产生方式 | 第27-31页 |
| 3.2.2 平稳信源对SSA-KL的影响分析 | 第31-35页 |
| 3.2.3 非平稳信源对SSA-KL的影响分析 | 第35-38页 |
| 3.2.4 训练样本个数对SSA-KL的影响分析 | 第38-41页 |
| 3.3 本章小结 | 第41-43页 |
| 第4章 SSA-KL与已有分类方法的比较分析 | 第43-55页 |
| 4.1 相关算法的介绍 | 第43-48页 |
| 4.1.1 动态时间规整 | 第43-44页 |
| 4.1.2 基于主成分分析和欧式距离的分类方法 | 第44-46页 |
| 4.1.3 基于独立成分分析和支持向量机的分类方法 | 第46-48页 |
| 4.2 SSA-KL与DTW的比较分析 | 第48-51页 |
| 4.2.1 数据集介绍 | 第48页 |
| 4.2.2 实验结果及分析 | 第48-51页 |
| 4.3 SSA-KL与PCA-ED和ICA-SVM的比较分析 | 第51-54页 |
| 4.3.1 数据集介绍 | 第51页 |
| 4.3.2 实验结果及分析 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读研究生期间发表的论文 | 第62页 |