模式識別中的核方法及其應用

第1章 引論
　1.1 解決模式識別問題的技術框架
　1.2 變換技術與特征抽取
　1.3 非線性變換與特征抽取
　1.4 核方法的發(fā)展及應用
　　1.4.1 核方法的發(fā)展
　　1.4.2 核方法的應用
　1.5 本書所關注的問題
第2章 核方法簡介
　2.1 KMSE及其改進
　　2.1.1 MSE：KMSE的起源
　　2.1.2 KMSE的形式化描述
　　2.1.3 KMSE的改進及方程表達
　2.2 KPCA與特征抽取
　　2.2.1 PCA描述
　　2.2.2 PCA中核函數(shù)的引入
　　2.2.3 基于KPCA的特征抽取
　2.3 核Fisher鑒別分析
　　2.3.1 FDA的思路及描述
　　2.3.2 KFDA的導出
　　2.3.3 KFDA的改進及方程
　　2.3.4 基于KFDA及其改進的特征抽取形式
　2.4 SVM簡介
　2.5 核回歸
　2.6 本章小結(jié)
第3章 核方法目標函數(shù)及其優(yōu)化方法
　3.1 Fisher準則的變形形式
　3.2 選擇顯著訓練樣本的算法
　3.3 分類實現(xiàn)
　3.4 針對多類問題的KFDA優(yōu)化方案
　3.5 實驗
　　3.5.1 基準數(shù)據(jù)集實驗結(jié)果
　　3.5.2 Yale人臉數(shù)據(jù)庫實驗結(jié)果
　　3.5.3 性別分類實驗結(jié)果
　　3.5.4 結(jié)論
　3.6 本章小結(jié)
第4章 特征抽取結(jié)果的逼近與核方法改造
　4.1 簡單的數(shù)值逼近觀點及核方法改造
　　4.1.1 KMSE優(yōu)化方案及算法
　　4.1.2 KMSE及其優(yōu)化模型在多類問題中的應用
　　4.1.3 實驗結(jié)果
　　4.1.4 結(jié)論
　4.2 適用于KMSE優(yōu)化的一個特殊方法
　　4.2.1 節(jié)點的選擇
　　4.2.2 分析與討論
　　4.2.3 實驗
　　4.2.4 小結(jié)
　4.3 另一種數(shù)值分析的觀點
　　4.3.1 FKMSE算法
　　4.3.2 時間復雜度分析
　　4.3.3 實驗
　4.4 本章小結(jié)
第5章 訓練集的分析及核方法改造
　5.1 KMSE改進思路
　　5.1.1 KMSE模型再分析
　　5.1.2 改進KMSE的思路與算法
　5.2 實驗
　5.3 本章小結(jié)
第6章 聯(lián)合不同核方法的特征抽取方案
　6.1 利用KPCA確定KMSE的節(jié)點
　6.2 算法的進一步分析
　6.3 實驗分析
　6.4 本章小結(jié)
第7章 基于特征相關分析的核方法改進
　7.1 改進思路及算法
　7.2 改進KMSE的理論分析
　7.3 時間復雜度分析
　7.4 實驗分析
　　7.4.1 實驗一
　　7.4.2 實驗二
　　7.4.3 實驗三
　7.5 本章小結(jié)
第8章 核函數(shù)參數(shù)選擇
　8.1 基于最小誤差的KMSE核參數(shù)選擇
　　8.1.1 最優(yōu)參數(shù)選擇方案的設計
　　8.1.2 實驗
　　8.1.3 結(jié)論與討論
　8.2 KDA的核函數(shù)參數(shù)選擇問題
　　8.2.1 引言
　　8.2.2 最優(yōu)參數(shù)確定算法
　　8.2.3 實驗
　　8.2.4 結(jié)論
　8.3 選擇KMSE核參數(shù)的解析方法
　8.4 本章小結(jié)
第9章 各核方法理論聯(lián)系及再分析
　9.1 KPCA與KFDA間聯(lián)系分析
　9.2 KMSE與其他核方法間的關聯(lián)分析
　　9.2.1 KMSE與KFDA間等效性討論
　　9.2.2 KMSE與LS—SVM等效性分析
　9.3 核方法改進的再探討
　9.4 核方法研究動態(tài)
　9.5 小結(jié)
第10章 基于產(chǎn)生核的非線性特征抽取框架
　10.1 引言
　10.2 從函數(shù)到產(chǎn)生核
　　10.2.1 核的基本概念
　　10.2.2 依據(jù)函數(shù)得出產(chǎn)生核
　10.3 產(chǎn)生核與GKPCA
　　10.3.1 KPCA的特征方程及其變形
　　10.3.2 GKPCA
　　10.3.3 GKPCA的一個等效實現(xiàn)方案
　10.4 產(chǎn)生核與KFDA
　　10.4.1 KFDA回顧
　　10.4.2 GKFD
　　10.4.3 FMS—LDA
　　10.4.4 前文三方法的等效關系
　　10.4.5 兩類核相關的特征抽取方法
　10.5 實驗
　10.6 本章小結(jié)
參考文獻