智能目標(biāo)識別與分類

《智能科學(xué)技術(shù)著作叢書》序
前言
第1章 緒論
1.1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
1.2 Bayes網(wǎng)絡(luò)的發(fā)展
1.3 正則技術(shù)的發(fā)展
1.4 統(tǒng)計學(xué)習(xí)理論的發(fā)展
1.5 核機(jī)器學(xué)習(xí)方法的發(fā)展
1.5.1 有監(jiān)督核機(jī)器學(xué)習(xí)方法
1.5.2 非監(jiān)督核機(jī)器學(xué)習(xí)方法
1.6 本書的主要內(nèi)容
參考文獻(xiàn)
第2章 統(tǒng)計學(xué)習(xí)理論、再生核技術(shù)與支撐矢量機(jī)算法
2.1 統(tǒng)計學(xué)習(xí)理論
2.1.1 學(xué)習(xí)問題的模型
2.1.2 學(xué)習(xí)過程的一致性理論
2.1.3 學(xué)習(xí)機(jī)推廣能力的界
2.1.4 控制學(xué)習(xí)過程的推廣能力
2.1.5 構(gòu)造學(xué)習(xí)算法
2.2 再生核與再生核Hilbert空間
2.2.1 再生核
2.2.2 特征空間和經(jīng)驗(yàn)特征空間
2.2.3 再生核Hilbert空間與經(jīng)驗(yàn)再生核Hilbert空間
2.2.4 再生核與再生核Hilbert空間實(shí)例
2.2.5 Mercer容許核的構(gòu)造
2.2.6 再生核作為距離測度
2.2.7 再生核Hilbert空間的函數(shù)表示理論
2.3 支撐矢量機(jī)算法
2.3.1 模式識別支撐矢量機(jī)
2.3.2 回歸支撐矢量機(jī)
參考文獻(xiàn)
第3章 支撐矢量機(jī)理論基礎(chǔ)
3.1 支撐矢量機(jī)幾何特性分析
3.1.1 模式識別支撐矢量機(jī)幾何特性分析
3.1.2 回歸估計支撐矢量機(jī)幾何特性分析
3.1.3 小結(jié)與討論
3.2 支撐矢量預(yù)選取的中心距離比值法
3.2.1 中心距離比值法
3.2.2 算法性能仿真
3.2.3 一種新的推廣能力衡量準(zhǔn)則
3.2.4 Mercer核參數(shù)的選擇
3.2.5 仿真實(shí)驗(yàn)
3.2.6 小結(jié)與討論
參考文獻(xiàn)
附錄
第4章 先進(jìn)支撐矢量機(jī)
4.1 線性規(guī)劃支撐矢量機(jī)
4.1.1 線性規(guī)劃線性支撐矢量機(jī)
4.1.2 線性規(guī)劃非線性支撐矢量機(jī)
4.1.3 仿真實(shí)驗(yàn)
4.1.4 小結(jié)與討論
4.2 無約束二次規(guī)劃回歸估計支撐矢量機(jī)
4.2.1 無約束二次規(guī)劃回歸估計支撐矢量機(jī)
4.2.2 仿真實(shí)驗(yàn)
4.2.3 小結(jié)與討論
4.3 復(fù)值支撐矢量機(jī)
4.3.1 模式識別復(fù)值支撐矢量機(jī)
4.3.2 回歸估計復(fù)值支撐矢量機(jī)
4.3.3 小結(jié)與討論
4.4 基于微分容量控制的學(xué)習(xí)機(jī)，
4.4.1 推廣能力及微分容量控制
4.4.2 基于微分容量控制的學(xué)習(xí)機(jī)
4.4.3 仿真實(shí)驗(yàn)
4.4.4 小結(jié)與討論
4.5 基于決策樹的支撐矢量機(jī)多分類方法
4.5.1 支撐矢量機(jī)的多分類方法
4.5.2 基于決策樹的支撐矢量機(jī)多分類方法
4.5.3 仿真實(shí)驗(yàn)
4.5.4 小結(jié)與討論
參考文獻(xiàn)
附錄
第5章 核學(xué)習(xí)機(jī)
5.1 隱空間核機(jī)器
5.1.1 隱空間
5.1.2 隱空間主分量分析
5.1.3 隱空間支撐矢量機(jī)
5.1.4 最小二乘隱空間支撐矢量機(jī)
5.1.5 稀疏隱空間支撐矢量機(jī)
5.2 核函數(shù)的構(gòu)造
5.2.1 坐標(biāo)變換核
5.2.2 子波核函數(shù)
5.2.3 尺度核函數(shù)
5.2.4 性能仿真
5.2.5 小結(jié)與討論
5.3 基于父子波正交投影核的支撐矢量機(jī)
5.3.1 父子波正交投影核
5.3.2 基于父子波正交投影核的支撐矢量機(jī)
5.3.3 算法性能分析和父子波正交投影核的參數(shù)選擇
5.3.4 仿真實(shí)驗(yàn)
5.3.5 小結(jié)與討論
5.4 子波核函數(shù)網(wǎng)絡(luò)
5.4.1 子波核函數(shù)網(wǎng)絡(luò)模型
5.4.2 子波核函數(shù)網(wǎng)絡(luò)學(xué)習(xí)算法
5.4.3 仿真實(shí)驗(yàn)
5.4.4 小結(jié)與討論
5.5 核聚類算法
5.5.1 聚類分析
5.5.2 核聚類算法
5.5.3 仿真實(shí)驗(yàn)
5.5.4 小結(jié)與討論
參考文獻(xiàn)
附錄
第6章 稀疏核支撐矢量機(jī)
6.1 Bayes核機(jī)器
6.1.1 Bayes學(xué)習(xí)
6.1.2 基于有效子集選擇的Bayes學(xué)習(xí)
6.2 貪婪分階段支撐矢量機(jī)
6.2.1 支撐矢量機(jī)
6.2.2 再生核Hnbert空間范數(shù)和支撐矢量機(jī)
6.2.3 貪婪分階段支撐矢量機(jī)
6.2.4 性能評價
6.2.5 仿真實(shí)驗(yàn)
6.2.6 算法機(jī)理與性能分析
6.2.7 小結(jié)與討論
6.3 特征標(biāo)度核Fisher判別分析
6.3.1 核Fisher判斷分析
6.3.2 光滑留一交叉驗(yàn)證誤差
6.3.3 擴(kuò)展到多分類
6.3.4 仿真實(shí)驗(yàn)
6.3.5 小結(jié)與討論
6.4 序列稀疏貪婪優(yōu)化
6.4.1 最小二乘支撐矢量機(jī)
6.4.2 序列稀疏貪婪優(yōu)化
6.4.3 模型選擇
6.4.4 仿真實(shí)驗(yàn)
6.4.5 小結(jié)與討論
參考文獻(xiàn)
附錄
第7章 快速大規(guī)模支撐矢量機(jī)
7.1 基本域大規(guī)模支撐矢量回歸
7.1.1 基本域支撐矢量回歸
7.1.2不敏感Huber損失函數(shù)和有限牛頓算法
7.1.3 遞歸有限牛頓算法
7.1.4 仿真實(shí)驗(yàn)
……
第8章 高分辨距離像識別
第9章 譜集成學(xué)習(xí)機(jī)
第10章 基于核學(xué)習(xí)的圖像識別
參考文獻(xiàn)