特徵抽取步驟是模式識別系統的核心和關鍵步驟之一，該步驟直接影響到系統性能的優劣。作為模式識別特徵抽取領域的一次技術革命，核方法具有將線性不可分離數據變換為線性可分離數據的優越性能，從而為獲得高分類正確率提供保障。核方法在模式識別、機器學習、計算機視覺、工業自動化與圖像處理等領域的套用方興未艾。
基本介紹
- 書名：模式識別中的核方法及其套用
- 作者：徐勇，楊健
- ISBN：9787118067132
- 定價：28
- 出版社：國防工業出版社
- 出版時間：2010年02月
- 開本：16
內容簡介,圖書目錄,
內容簡介
作為國內首部專門研究核方法的專著，《模式識別中的核方法及其套用》力圖繞開晦澀的理論分析，從套用的角度對核方法及其最佳化進行形象而直觀的闡述，並結合人臉識別、性別分類、字元識別等套用實例以及機器學習領域的基準數據集進行介紹。《模式識別中的核方法及其套用》在核方法的基礎上，較為詳細地總結了作者近幾年的研究成果。全書共10章，主要內容包括：核方法簡介，核方法目標函式與核方法改進，特徵抽取結果的逼近與核方法改造，訓練集的分析與核方法改造，聯合不同核方法的特徵抽取方案，基於特徵相關分析的核方法以及核函式參數選擇問題，各核方法間理論聯繫的分析，以及基於核的非線性特徵抽取框架。
《模式識別中的核方法及其套用》既可作為計算機科學與技術、信息技術、自動化、電子工程等專業的科研用書和補充教材，還適合從事模式識別、生物特徵識別、機器學習、計算機視覺、工業自動化、圖像處理等研究的技術人員參考使用。
圖書目錄
第1 章 引論1
1. 1 解決模式識別問題的技術框架1
1. 2 變換技術與特徵抽取2
1. 3 非線性變換與特徵抽取3
1. 4 核方法的發展及套用5
1. 4. 1 核方法的發展5
1. 4. 2 核方法的套用8
1. 5 本書所關注的問題21
第2 章 核方法簡介23
2. 1 KMSE 及其改進23
2. 1. 1 MSE:KMSE 的起源23
2. 1. 2 KMSE 的形式化描述24
2. 1. 3 KMSE 的改進及方程表達26
2. 2 KPCA 與特徵抽取27
2. 2. 1 PCA 描述27
2. 2. 2 PCA 中核函式的引入29
2. 2. 3 基於KPCA 的特徵抽取30
2. 3 核Fisher 鑑別分析33
2. 3. 1 FDA 的思路及描述33
2. 3. 2 KFDA 的導出35
2. 3. 3 KFDA 的改進及方程37
2. 3. 4 基於KFDA 及其改進的特徵抽取形式38
2. 4 SVM 簡介39
2. 5 核回歸42
2. 6 本章小結43
第3 章 核方法目標函式及其最佳化方法46
3. 1 Fisher 準則的變形形式46
3. 2 選擇顯著訓練樣本的算法47
3. 3 分類實現49
3. 4 針對多類問題的KFDA 最佳化方案49
3. 5 實驗50
3. 5. 1 基準數據集實驗結果51
3. 5. 2 Yale 人臉資料庫實驗結果52
3. 5. 3 性別分類實驗結果53
3. 5. 4 結論60
3. 6 本章小結60
第4 章 特徵抽取結果的逼近與核方法改造62
4. 1 簡單的數值逼近觀點及核方法改造62
4. 1. 1 KMSE 最佳化方案及算法63
4. 1. 2 KMSE 及其最佳化模型在多類問題中的套用64
4. 1. 3 實驗結果66
4. 1. 4 結論68
4. 2 適用於KMSE 最佳化的一個特殊方法68
4. 2. 1 節點的選擇69
4. 2. 2 分析與討論72
4. 2. 3 實驗72
4. 2. 4 小結74
4. 3 另一種數值分析的觀點74
4. 3. 1 FKMSE 算法74
4. 3. 2 時間複雜度分析77
4. 3. 3 實驗78
4. 4 本章小結82
第5 章 訓練集的分析及核方法改造84
5. 1 KMSE 改進思路85
5. 1. 1 KMSE 模型再分析85
5. 1. 2 改進KMSE 的思路與算法85
5. 2 實驗87
5. 3 本章小結89
第6 章 聯合不同核方法的特徵抽取方案92
6. 1 利用KPCA 確定KMSE 的節點92
6. 2 算法的進一步分析94
6. 3 實驗分析95
6. 4 本章小結97
第7 章 基於特徵相關分析的核方法改進98
7. 1 改進思路及算法98
7. 2 改進KMSE 的理論分析101
7. 3 時間複雜度分析102
7. 4 實驗分析103
7. 4. 1 實驗一103
7. 4. 2 實驗二107
7. 4. 3 實驗三108
7. 5 本章小結109
第8 章 核函式參數選擇111
8. 1 基於最小誤差的KMSE 核參數選擇111
8. 1. 1 最優參數選擇方案的設計112
8. 1. 2 實驗115
8. 1. 3 結論與討論116
8. 2 KDA 的核函式參數選擇問題116
8. 2. 1 引言117
8. 2. 2 最優參數確定算法118
8. 2. 3 實驗121
8. 2. 4 結論122
8. 3 選擇KMSE 核參數的解析方法123
8. 4 本章小結124
第9 章 各核方法理論聯繫及再分析126
9. 1 KPCA 與KFDA 間聯繫分析126
9. 2 KMSE 與其他核方法間的關聯分析128
9. 2. 1 KMSE 與KFDA 間等效性討論128
9. 2. 2 KMSE 與LS - SVM 等效性分析129
9. 3 核方法改進的再探討131
9. 4 核方法研究動態134
9. 5 小結136
第10 章 基於產生核的非線性特徵抽取框架138
10. 1 引言138
10. 2 從函式到產生核140
10. 2. 1 核的基本概念140
10. 2. 2 依據函式得出產生核141
10. 3 產生核與GKPCA 142
10. 3. 1 KPCA 的特徵方程及其變形142
10. 3. 2 GKPCA 143
10. 3. 3 GKPCA 的一個等效實現方案145
10. 4 產生核與KFDA 146
10. 4. 1 KFDA 回顧147
10. 4. 2 GKFD 149
10. 4. 3 FMS - LDA 150
10. 4. 4 前文三方法的等效關係151
10. 4. 5 兩類核相關的特徵抽取方法152
10. 5 實驗153
10. 6 本章小結156
參考文獻157"
1. 1 解決模式識別問題的技術框架1
1. 2 變換技術與特徵抽取2
1. 3 非線性變換與特徵抽取3
1. 4 核方法的發展及套用5
1. 4. 1 核方法的發展5
1. 4. 2 核方法的套用8
1. 5 本書所關注的問題21
第2 章 核方法簡介23
2. 1 KMSE 及其改進23
2. 1. 1 MSE:KMSE 的起源23
2. 1. 2 KMSE 的形式化描述24
2. 1. 3 KMSE 的改進及方程表達26
2. 2 KPCA 與特徵抽取27
2. 2. 1 PCA 描述27
2. 2. 2 PCA 中核函式的引入29
2. 2. 3 基於KPCA 的特徵抽取30
2. 3 核Fisher 鑑別分析33
2. 3. 1 FDA 的思路及描述33
2. 3. 2 KFDA 的導出35
2. 3. 3 KFDA 的改進及方程37
2. 3. 4 基於KFDA 及其改進的特徵抽取形式38
2. 4 SVM 簡介39
2. 5 核回歸42
2. 6 本章小結43
第3 章 核方法目標函式及其最佳化方法46
3. 1 Fisher 準則的變形形式46
3. 2 選擇顯著訓練樣本的算法47
3. 3 分類實現49
3. 4 針對多類問題的KFDA 最佳化方案49
3. 5 實驗50
3. 5. 1 基準數據集實驗結果51
3. 5. 2 Yale 人臉資料庫實驗結果52
3. 5. 3 性別分類實驗結果53
3. 5. 4 結論60
3. 6 本章小結60
第4 章 特徵抽取結果的逼近與核方法改造62
4. 1 簡單的數值逼近觀點及核方法改造62
4. 1. 1 KMSE 最佳化方案及算法63
4. 1. 2 KMSE 及其最佳化模型在多類問題中的套用64
4. 1. 3 實驗結果66
4. 1. 4 結論68
4. 2 適用於KMSE 最佳化的一個特殊方法68
4. 2. 1 節點的選擇69
4. 2. 2 分析與討論72
4. 2. 3 實驗72
4. 2. 4 小結74
4. 3 另一種數值分析的觀點74
4. 3. 1 FKMSE 算法74
4. 3. 2 時間複雜度分析77
4. 3. 3 實驗78
4. 4 本章小結82
第5 章 訓練集的分析及核方法改造84
5. 1 KMSE 改進思路85
5. 1. 1 KMSE 模型再分析85
5. 1. 2 改進KMSE 的思路與算法85
5. 2 實驗87
5. 3 本章小結89
第6 章 聯合不同核方法的特徵抽取方案92
6. 1 利用KPCA 確定KMSE 的節點92
6. 2 算法的進一步分析94
6. 3 實驗分析95
6. 4 本章小結97
第7 章 基於特徵相關分析的核方法改進98
7. 1 改進思路及算法98
7. 2 改進KMSE 的理論分析101
7. 3 時間複雜度分析102
7. 4 實驗分析103
7. 4. 1 實驗一103
7. 4. 2 實驗二107
7. 4. 3 實驗三108
7. 5 本章小結109
第8 章 核函式參數選擇111
8. 1 基於最小誤差的KMSE 核參數選擇111
8. 1. 1 最優參數選擇方案的設計112
8. 1. 2 實驗115
8. 1. 3 結論與討論116
8. 2 KDA 的核函式參數選擇問題116
8. 2. 1 引言117
8. 2. 2 最優參數確定算法118
8. 2. 3 實驗121
8. 2. 4 結論122
8. 3 選擇KMSE 核參數的解析方法123
8. 4 本章小結124
第9 章 各核方法理論聯繫及再分析126
9. 1 KPCA 與KFDA 間聯繫分析126
9. 2 KMSE 與其他核方法間的關聯分析128
9. 2. 1 KMSE 與KFDA 間等效性討論128
9. 2. 2 KMSE 與LS - SVM 等效性分析129
9. 3 核方法改進的再探討131
9. 4 核方法研究動態134
9. 5 小結136
第10 章 基於產生核的非線性特徵抽取框架138
10. 1 引言138
10. 2 從函式到產生核140
10. 2. 1 核的基本概念140
10. 2. 2 依據函式得出產生核141
10. 3 產生核與GKPCA 142
10. 3. 1 KPCA 的特徵方程及其變形142
10. 3. 2 GKPCA 143
10. 3. 3 GKPCA 的一個等效實現方案145
10. 4 產生核與KFDA 146
10. 4. 1 KFDA 回顧147
10. 4. 2 GKFD 149
10. 4. 3 FMS - LDA 150
10. 4. 4 前文三方法的等效關係151
10. 4. 5 兩類核相關的特徵抽取方法152
10. 5 實驗153
10. 6 本章小結156
參考文獻157"
