模式分类的K-近邻方法
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-23页 |
| ·研究背景与意义 | 第12-15页 |
| ·国内外研究现状 | 第15-20页 |
| ·本文主要研究工作 | 第20-21页 |
| ·本文的组织结构 | 第21-23页 |
| 第二章 相关的理论与方法 | 第23-31页 |
| ·K-近邻准则分类 | 第23页 |
| ·经典的线性降维技术 | 第23-26页 |
| ·主成分分析 | 第24页 |
| ·线性判别分析 | 第24-25页 |
| ·保局部投影 | 第25-26页 |
| ·LPP 与 PCA、LDA 的比较分析 | 第26-29页 |
| ·LPP 与 PCA | 第26-27页 |
| ·LPP 与 LDA | 第27-29页 |
| ·稀疏表示 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于局部均值的 K-近质心近邻分类 | 第31-54页 |
| ·引言 | 第31-33页 |
| ·K-近质心近邻分类 | 第33-35页 |
| ·近质心近邻原则 | 第33-34页 |
| ·K-近质心近邻分类算法 | 第34-35页 |
| ·基于局部均值的 K-近邻分类 | 第35-36页 |
| ·基于局部均值的 K-近质心近邻分类 | 第36-39页 |
| ·问题提出 | 第36页 |
| ·LMKNCN 思想 | 第36-37页 |
| ·LMKNCN 算法流程 | 第37-39页 |
| ·LMKNCN 与 LMKNN 比较 | 第39-40页 |
| ·实验分析 | 第40-51页 |
| ·数据集简介 | 第41-42页 |
| ·在真实数据集上的对比分析 | 第42-46页 |
| ·在人工数据集上的对比分析 | 第46-51页 |
| ·分析与讨论 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 保局判别近邻嵌入 | 第54-82页 |
| ·引言 | 第54-57页 |
| ·判别近邻嵌入 | 第57-58页 |
| ·保局判别近邻嵌入 | 第58-64页 |
| ·基本思想 | 第59-61页 |
| ·目标函数优化 | 第61-63页 |
| ·算法流程 | 第63-64页 |
| ·LDNE 与 LPP、DNE 比较 | 第64-65页 |
| ·LDNE 与 LPP 比较分析 | 第64页 |
| ·LDNE 与 DNE 比较分析 | 第64-65页 |
| ·实验分析 | 第65-79页 |
| ·数据集简介 | 第65-67页 |
| ·LDNE 性能分析 | 第67-70页 |
| ·特征脸对比分析 | 第70-71页 |
| ·关于 LDNE 对比分析 | 第71-79页 |
| ·分析与讨论 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 第五章 最大近邻间隔判别投影 | 第82-98页 |
| ·引言 | 第82-83页 |
| ·最大近邻间隔判别投影 | 第83-88页 |
| ·基本思想 | 第83页 |
| ·类内近邻散度 | 第83-85页 |
| ·类间近邻散度 | 第85-86页 |
| ·目标函数优化 | 第86-87页 |
| ·算法流程 | 第87-88页 |
| ·实验分析 | 第88-94页 |
| ·数据集简介 | 第88-90页 |
| ·关于 MNMDP 对比分析 | 第90-94页 |
| ·分析与讨论 | 第94-97页 |
| ·本章小结 | 第97-98页 |
| 第六章 稀疏保局投影 | 第98-107页 |
| ·引言 | 第98-99页 |
| ·稀疏保持投影 | 第99-100页 |
| ·稀疏保局投影 | 第100-104页 |
| ·基本思想 | 第100-102页 |
| ·目标函数优化 | 第102-103页 |
| ·算法流程 | 第103-104页 |
| ·实验分析 | 第104-106页 |
| ·数据集简介 | 第104-105页 |
| ·关于 SLPP 对比分析 | 第105-106页 |
| ·本章小结 | 第106-107页 |
| 第七章 总结与展望 | 第107-109页 |
| 致谢 | 第109-111页 |
| 参考文献 | 第111-123页 |
| 攻博期间取得的研究成果 | 第123-125页 |
