| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·Clifford 代数 | 第10-12页 |
| ·Clifford 代数简介 | 第10页 |
| ·Clifford 代数的发展概述 | 第10-12页 |
| ·Clifford 机器学习的研究背景 | 第12-13页 |
| ·机器学习 | 第12页 |
| ·基于 Clifford 代数的机器学习 | 第12-13页 |
| ·Clifford 分类器的研究进展 | 第13-14页 |
| ·论文研究的主要内容和组织结构 | 第14-16页 |
| 第2章 Clifford 代数的数据表示 | 第16-26页 |
| ·Clifford 代数的基本概念 | 第16-20页 |
| ·几何积 | 第16-18页 |
| ·片积(blade)和多重矢量(multivector) | 第18-20页 |
| ·Clifford 代数系统 | 第20页 |
| ·Clifford 代数的基本运算 | 第20-21页 |
| ·Clifford 数向量、矩阵的基本运算 | 第21-23页 |
| ·Clifford 数向量的几何乘积运算 | 第21-22页 |
| ·Clifford 数向量的几何内积运算 | 第22页 |
| ·Clifford 数矩阵的乘法运算 | 第22-23页 |
| ·数据集和标签集的表示 | 第23-25页 |
| ·数据集表示成 Clifford 代数的过程 | 第23页 |
| ·标签集表示成 Clifford 代数的过程 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于 Clifford 代数的感知器 | 第26-40页 |
| ·Clifford 感知器 | 第26-29页 |
| ·Clifford 感知器的训练过程 | 第27-28页 |
| ·Clifford 感知器的测试过程 | 第28-29页 |
| ·实验仿真结果与对比分析 | 第29-39页 |
| ·UCI 实验数据集介绍 | 第29页 |
| ·UCI 实验数据集的分类错误率的仿真结果 | 第29-32页 |
| ·BCI 实验数据集介绍 | 第32-33页 |
| ·BCI 实验数据集的分类错误率的仿真结果 | 第33-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于 Clifford 代数的核感知器 | 第40-51页 |
| ·Clifford 核感知器 | 第40-43页 |
| ·Clifford 核感知器的训练过程 | 第41-42页 |
| ·Clifford 核感知器的测试过程 | 第42-43页 |
| ·实验仿真结果与对比分析 | 第43-50页 |
| ·UCI 实验数据集的分类错误率的仿真结果 | 第43-46页 |
| ·BCI 实验数据集的分类错误率的仿真结果 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于微分进化的特征排序 | 第51-59页 |
| ·微分进化的基本原理 | 第51-54页 |
| ·微分进化算法用于特征排序 | 第54-56页 |
| ·特征排序的原因 | 第54-55页 |
| ·微分进化算法应用于特征排序问题 | 第55-56页 |
| ·实验仿真结果与对比分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 Clifford MLPs 及 Clifford 反向传播算法 | 第59-68页 |
| ·Clifford MLPs | 第59-65页 |
| ·Clifford MLPs 的结构 | 第59-60页 |
| ·Clifford MLPs 泛逼近理论 | 第60-63页 |
| ·Clifford MLPs 的激活函数 | 第63-65页 |
| ·Clifford 反向传播算法 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 作者简介 | 第76页 |