123,123

內(nèi)容簡(jiǎn)介

　　特征抽取步驟是模式識(shí)別系統(tǒng)的核心和關(guān)鍵步驟之一，該步驟直接影響到系統(tǒng)性能的優(yōu)劣。作為模式識(shí)別特征抽取領(lǐng)域的一次技術(shù)革命，核方法具有將線性不可分離數(shù)據(jù)變換為線性可分離數(shù)據(jù)的優(yōu)越性能，從而為獲得高分類正確率提供保障。核方法在模式識(shí)別、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、工業(yè)自動(dòng)化與圖像處理等領(lǐng)域的應(yīng)用方興未艾。作為國(guó)內(nèi)首部專門研究核方法的專著，《模式識(shí)別中的核方法及其應(yīng)用》力圖繞開晦澀的理論分析，從應(yīng)用的角度對(duì)核方法及其優(yōu)化進(jìn)行形象而直觀的闡述，并結(jié)合人臉識(shí)別、性別分類、字符識(shí)別等應(yīng)用實(shí)例以及機(jī)器學(xué)習(xí)領(lǐng)域的基準(zhǔn)數(shù)據(jù)集進(jìn)行介紹。《模式識(shí)別中的核方法及其應(yīng)用》在核方法的基礎(chǔ)上，較為詳細(xì)地總結(jié)了作者近幾年的研究成果。全書共10章，主要內(nèi)容包括：核方法簡(jiǎn)介，核方法目標(biāo)函數(shù)與核方法改進(jìn)，特征抽取結(jié)果的逼近與核方法改造，訓(xùn)練集的分析與核方法改造，聯(lián)合不同核方法的特征抽取方案，基于特征相關(guān)分析的核方法以及核函數(shù)參數(shù)選擇問(wèn)題，各核方法間理論聯(lián)系的分析，以及基于核的非線性特征抽取框架?！赌Ｊ阶R(shí)別中的核方法及其應(yīng)用》既可作為計(jì)算機(jī)科學(xué)與技術(shù)、信息技術(shù)、自動(dòng)化、電子工程等專業(yè)的科研用書和補(bǔ)充教材，還適合從事模式識(shí)別、生物特征識(shí)別、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、工業(yè)自動(dòng)化、圖像處理等研究的技術(shù)人員參考使用。

作者簡(jiǎn)介

暫缺《模式識(shí)別中的核方法及其應(yīng)用》作者簡(jiǎn)介

圖書目錄

第1章引論
　1.1 解決模式識(shí)別問(wèn)題的技術(shù)框架
　1.2 變換技術(shù)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(yīng)用
　　1.4.1 核方法的發(fā)展
　　1.4.2 核方法的應(yīng)用
　1.5 本書所關(guān)注的問(wèn)題
第2章核方法簡(jiǎn)介
　2.1 KMSE及其改進(jìn)
　　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(jìn)及方程表達(dá)
　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(dǎo)出
　　2.3.3 KFDA的改進(jìn)及方程
　　2.3.4 基于KFDA及其改進(jìn)的特征抽取形式
　2.4 SVM簡(jiǎn)介
　2.5 核回歸
　2.6 本章小結(jié)
第3章核方法目標(biāo)函數(shù)及其優(yōu)化方法
　3.1 Fisher準(zhǔn)則的變形形式
　3.2 選擇顯著訓(xùn)練樣本的算法
　3.3 分類實(shí)現(xiàn)
　3.4 針對(duì)多類問(wèn)題的KFDA優(yōu)化方案
　3.5 實(shí)驗(yàn)
　　3.5.1 基準(zhǔn)數(shù)據(jù)集實(shí)驗(yàn)結(jié)果
　　3.5.2 Yale人臉數(shù)據(jù)庫(kù)實(shí)驗(yàn)結(jié)果
　　3.5.3 性別分類實(shí)驗(yàn)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(jiǎn)單的數(shù)值逼近觀點(diǎn)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(wèn)題中的應(yīng)用
　　4.1.3 實(shí)驗(yàn)結(jié)果
　　4.1.4 結(jié)論
　4.2 適用于KMSE優(yōu)化的一個(gè)特殊方法
　　4.2.1 節(jié)點(diǎn)的選擇
　　4.2.2 分析與討論
　　4.2.3 實(shí)驗(yàn)
　　4.2.4 小結(jié)
　4.3 另一種數(shù)值分析的觀點(diǎn)
　　4.3.1 FKMSE算法
　　4.3.2 時(shí)間復(fù)雜度分析
　　4.3.3 實(shí)驗(yàn)
　4.4 本章小結(jié)
第5章訓(xùn)練集的分析及核方法改造
　5.1 KMSE改進(jìn)思路
　　5.1.1 KMSE模型再分析
　　5.1.2 改進(jìn)KMSE的思路與算法
　5.2 實(shí)驗(yàn)
　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(diǎn)
　6.2 算法的進(jìn)一步分析
　6.3 實(shí)驗(yàn)分析
　6.4 本章小結(jié)
第7章基于特征相關(guān)分析的核方法改進(jìn)
　7.1 改進(jìn)思路及算法
　7.2 改進(jìn)KMSE的理論分析
　7.3 時(shí)間復(fù)雜度分析
　7.4 實(shí)驗(yàn)分析
　　7.4.1 實(shí)驗(yàn)一
　　7.4.2 實(shí)驗(yàn)二
　　7.4.3 實(shí)驗(yàn)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(shè)計(jì)
　　8.1.2 實(shí)驗(yàn)
　　8.1.3 結(jié)論與討論
　8.2 KDA的核函數(shù)參數(shù)選擇問(wèn)題
　　8.2.1 引言
　　8.2.2 最優(yōu)參數(shù)確定算法
　　8.2.3 實(shí)驗(yàn)
　　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(guān)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(jìn)的再探討
　9.4 核方法研究動(dòng)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(gè)等效實(shí)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(guān)系
　　10.4.5 兩類核相關(guān)的特征抽取方法
　10.5 實(shí)驗(yàn)
　10.6 本章小結(jié)
參考文獻(xiàn)