自适应多尺度几何网络理论与应用
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-33页 |
| ·调和分析的发展和研究现状 | 第13-15页 |
| ·傅立叶分析 | 第13-14页 |
| ·子波分析 | 第14页 |
| ·调和分析的发展 | 第14-15页 |
| ·新的调和分析工具-多尺度几何分析 | 第15-17页 |
| ·机器学习理论 | 第17-20页 |
| ·机器学习的历史发展 | 第17-19页 |
| ·机器学习的分类 | 第19-20页 |
| ·基于机器学习的多尺度几何网络 | 第20-25页 |
| ·多尺度几何分析与机器学习 | 第21页 |
| ·主要机器学习方法 | 第21-25页 |
| ·本论文的主要工作 | 第25-26页 |
| 本章参考文献 | 第26-33页 |
| 第二章 多尺度几何分析 | 第33-61页 |
| ·多尺度分析基础 | 第33-36页 |
| ·多尺度几何分析系统中的方向基 | 第36-38页 |
| ·脊波(Ridgelet) | 第38-41页 |
| ·曲线波(Curvelet) | 第41-43页 |
| ·轮廓波(Contourlet) | 第43-45页 |
| ·Bandelet | 第45-48页 |
| ·Beamlet | 第48-50页 |
| ·Brushlet | 第50-52页 |
| ·Wedgelet | 第52-53页 |
| ·多尺度几何分析的发展 | 第53-54页 |
| 本章参考文献 | 第54-61页 |
| 第三章 自适应连续脊波网络 | 第61-77页 |
| ·引言 | 第61-62页 |
| ·多尺度几何网络和数学基础 | 第62-64页 |
| ·自适应连续脊波网络 | 第64-67页 |
| ·网络收敛性能分析 | 第67-69页 |
| ·实验和小结 | 第69-74页 |
| 本章参考文献 | 第74-77页 |
| 第四章 正则化脊波网络 | 第77-95页 |
| ·引言 | 第77-79页 |
| ·正则化网络 | 第79-83页 |
| ·具有径向基稳定子的正则网络 | 第80-81页 |
| ·具有张量基稳定子的正则网络 | 第81页 |
| ·具有加性稳定子的正则网络 | 第81-82页 |
| ·正则网络的Bayes基础 | 第82-83页 |
| ·基于统计学习的广义正则化脊波网络 | 第83-85页 |
| ·实验和小结 | 第85-90页 |
| 本章参考文献 | 第90-95页 |
| 第五章 方向多分辨脊波网络 | 第95-107页 |
| ·引言 | 第95页 |
| ·脊波框架 | 第95-97页 |
| ·方向多分辨脊波网络 | 第97-100页 |
| ·网络模型 | 第97-98页 |
| ·网络隐层节点数目的确定 | 第98-99页 |
| ·网络训练算法 | 第99-100页 |
| ·方向多分辨脊波网络的性质 | 第100-102页 |
| ·实验和小结 | 第102-106页 |
| 本章参考文献 | 第106-107页 |
| 第六章 线性脊波网络 | 第107-117页 |
| ·引言 | 第107页 |
| ·核光滑方法 | 第107-110页 |
| ·线性脊波网络模型 | 第110-113页 |
| ·线性脊波网络 | 第110-112页 |
| ·学习算法 | 第112-113页 |
| ·实验和小结 | 第113-115页 |
| 本章参考文献 | 第115-117页 |
| 第七章 脊波核函数网络 | 第117-127页 |
| ·引言 | 第117-118页 |
| ·脊波核函数网络 | 第118-119页 |
| ·脊波核函数网络的学习算法 | 第119-121页 |
| ·最小化平方误差算法的正则化核形式 | 第119-120页 |
| ·基于遗传算法的方向向量优化 | 第120-121页 |
| ·实验和小结 | 第121-125页 |
| 本章参考文献 | 第125-127页 |
| 第八章 曲线波网络 | 第127-139页 |
| ·引言 | 第127页 |
| ·图像处理中的曲线波变换 | 第127-131页 |
| ·曲线波框架的性质 | 第131-132页 |
| ·曲线波网络 | 第132-134页 |
| ·实验和小结 | 第134-137页 |
| 本章参考文献 | 第137-139页 |
| 第九章 最优轮廓波包网络 | 第139-153页 |
| ·引言 | 第139-141页 |
| ·基于子波包分解的轮廓波包 | 第141-143页 |
| ·最优轮廓波包 | 第143-144页 |
| ·基于量子遗传算法的最优轮廓波包的构造 | 第144-148页 |
| ·量子遗传算法(QGA) | 第145-147页 |
| ·量子遗传算法优化轮廓波包 | 第147-148页 |
| ·最优轮廓波包网络 | 第148-149页 |
| ·实验和小结 | 第149-151页 |
| 本章参考文献 | 第151-153页 |
| 总结和展望 | 第153-157页 |
| 致谢 | 第157-159页 |
| 作者在攻读博士学位期间的学术论文 | 第159-161页 |
| 作堪断攻博期间参与的科月开为互目 | 第161-162页 |
