模式識別中的核自適應學習及套用

《模式識別中的核自適應學習及套用》是2013年電子工業出版社出版的圖書，作者是李君寶等。

基本介紹

• 中文名：模式識別中的核自適應學習及套用
• 作者：李君寶 等
• 語言：簡體中文
• 出版時間：2013年12月1日
• 出版社：電子工業出版社
• 頁數：206 頁
• ISBN：9787121213311 
• 開本：16 開
• 類型：計算機與網際網路

內容簡介

本書以模式識別領域的重要前沿課題——核學習為研究對象，介紹了核自適應學習及在人臉識別、醫學圖像分類和三維碎片分類等各個方面的套用。主要包括基本原理、數學基礎、參數選擇、遞歸分析方法、函式構造方法、判別分析方法、主成分分析方法及核自適應學習機的典型套用。本書可供計算機專業的本科生、研究生參考閱讀，旨在幫助讀者透徹理解和掌握模式識別中的核自適應學習基本原理和方法，並初步了解核自適應學習在人臉識別、醫學圖像分類及三維目標碎片分類中的套用。

《模式識別中的核自適應學習及套用》可供計算機專業的本科生、研究生參考閱讀，旨在幫助讀者透徹理解和掌握模式識別中的核自適應學習基本原理和方法，並初步了解核自適應學習在人臉識別、醫學圖像分類及三維目標碎片分類中的套用。

圖書目錄

第1章 緒論

1.1 機器學習概念

1.1.1 學習的定義

1.1.2 學習問題的一般描述

1.1.3 學習的實現

1.1.4 學習的基本形式

1.1.5 學習在數據降維上的套用

1.2 機器學習中的核學習

1.2.1 線性特徵提取算法及存在的問題

1.2.2 核的引入

1.2.3 主要核學習算法

1.3 核學習的研究現狀

1.4 核學習存在的問題

第2章 核學習的數學基礎

2.1 核理論基礎

2.1.1 再生核理論

2.1.2 Mercer定理

2.2 多項式空間和多項式核函式

2.2.1 有序齊次多項式空間

2.2.2 有序多項式空間

2.2.3 無序多項式空間

2.3 Mercer核

2.3.1 半正定矩陣的特徵展開

2.3.2 半正定積分運算元的特徵展開

2.4 正定核

2.5 核函式的構造

第3章 自適應多核學習

3.1 多核學習

3.1.1 基於多核學習的特徵提取方法的套用

3.1.2 存在的問題

3.2 基於圖嵌入的特徵提取原理

3.2.1 直接圖嵌入

3.2.2 直接圖嵌入的核擴展形式

3.3 多核學習原理

3.3.1 核函式定義及性質

3.3.2 多核函式構造原理

3.4 基於多核的圖嵌入特徵提取算法原理

3.4.1 多核矩陣的構造

3.4.2 圖嵌入方法的多核擴展

3.5 基於多核映射的圖像識別算法程式設計

3.5.1 訓練樣本預處理和讀入定製參數

3.5.2 樣本訓練

3.5.3 測試分類

3.6 對比圖像分類算法程式設計

3.7 實驗對比與分析

3.7.1 ORL資料庫

3.7.2 Yalefaces資料庫

3.7.3 Iris（UCI）資料庫

3.7.4 Image Segmentation（UCI）資料庫

3.8 算法效率比較和分析

第4章 核自適應遞歸分析

4.1 核函式對Online SVR算法性能的影響分析

4.1.1 SVR算法基本原理

4.1.2 基於增量學習的Online SVR算法

4.1.3 基於Online SVR的線上時間序列預測

4.1.4 核函式類型及其參數影響分析

4.2 基於核函式組合的Online SVR算法

4.2.1 基於核函式組合的Online SVR線上時間序列預測算法

4.2.2 仿真實驗和算法評估

4.3 基於殘差修正的局部Online SVR算法

4.3.1 離線與線上算法分析

4.3.2 基於殘差修正的局部Online SVR線上時間序列預測算

4.3.3 仿真實驗和算法評估

4.3.4 兩種核函式組合Online SVR算法對比分析

第5章 核函式最佳化及構造

5.1 高斯核函式及核函式最佳化的意義

5.2 數據相關核及其擴展

5.3 核函式最佳化算法

5.3.1 基於Fisher準則的核函式最佳化算法

5.3.2 基於最大間隔準則的核函式最佳化算法

5.3.3 算法比較與分析

5.3.4 仿真實驗

5.4 基於圖像矩陣的高斯核函式及改進

5.4.1 基於圖像矩陣的高斯核函式

5.4.2 基於圖像矩陣的數據相關高斯核函式

5.4.3 仿真實驗

第6章 核自適應判別分析

6.1 核自適應判別分析算法

6.1.1 核判別分析算法

6.1.2 改進算法

6.1.3 仿真實驗

6.2 無參數核判別分析算法

6.2.1 算法框架

6.2.2 仿真結果與分析

6.3 自適應多核圖嵌入判別分析

6.3.1 多核圖嵌入目標方程求解

6.3.2 核函式選擇

6.3.3 基本核函式參數最佳化

6.3.4 仿真實驗與分析

第7章 核自適應流形學習算法

7.1 流形學習

7.2 基於核自適應學習的局部判別分析

7.2.1 局部保持映射算法

7.2.2 監督局部保持映射算法

7.2.3 核監督局部保持映射算法

7.2.4 核自適應局部保持判別分析

7.2.5 實驗仿真與結果分析

第8章 核自適應主成分分析

8.1 主成分分析算法

8.2 稀疏核主成分分析算法

8.3 核自適應稀疏主成分分析算法

8.4 仿真實驗

第9章 核自適應學習機套用

9.1 三維碎片分類

9.1.1 算法

9.1.2 仿真實驗

9.2 乳腺X射線圖像分類

9.2.1 算法步驟

9.2.2 仿真實驗

9.3 人臉識別

9.3.1 算法描述

9.3.2 仿真實驗

9.4 基於Gabor小波和CKFD結合的人臉圖像特徵提取算法

9.4.1 算法描述

9.4.2 仿真實驗

9.5 KPCA和PCA自融合的人臉圖像特徵提取算法

9.5.1 算法描述

9.5.2 仿真實驗

參考文獻

作者簡介

李君寶，哈爾濱工業大學，副教授。