智能目标识别与分类

《智能科学技术著作丛书》序
前言
第1章 绪论
1.1 人工神经网络的发展
1.2 Bayes网络的发展
1.3 正则技术的发展
1.4 统计学习理论的发展
1.5 核机器学习方法的发展
1.5.1 有监督核机器学习方法
1.5.2 非监督核机器学习方法
1.6 本书的主要内容
参考文献
第2章 统计学习理论、再生核技术与支撑矢量机算法
2.1 统计学习理论
2.1.1 学习问题的模型
2.1.2 学习过程的一致性理论
2.1.3 学习机推广能力的界
2.1.4 控制学习过程的推广能力
2.1.5 构造学习算法
2.2 再生核与再生核Hilbert空间
2.2.1 再生核
2.2.2 特征空间和经验特征空间
2.2.3 再生核Hilbert空间与经验再生核Hilbert空间
2.2.4 再生核与再生核Hilbert空间实例
2.2.5 Mercer容许核的构造
2.2.6 再生核作为距离测度
2.2.7 再生核Hilbert空间的函数表示理论
2.3 支撑矢量机算法
2.3.1 模式识别支撑矢量机
2.3.2 回归支撑矢量机
参考文献
第3章 支撑矢量机理论基础
3.1 支撑矢量机几何特性分析
3.1.1 模式识别支撑矢量机几何特性分析
3.1.2 回归估计支撑矢量机几何特性分析
3.1.3 小结与讨论
3.2 支撑矢量预选取的中心距离比值法
3.2.1 中心距离比值法
3.2.2 算法性能仿真
3.2.3 一种新的推广能力衡量准则
3.2.4 Mercer核参数的选择
3.2.5 仿真实验
3.2.6 小结与讨论
参考文献
附录
第4章 先进支撑矢量机
4.1 线性规划支撑矢量机
4.1.1 线性规划线性支撑矢量机
4.1.2 线性规划非线性支撑矢量机
4.1.3 仿真实验
4.1.4 小结与讨论
4.2 无约束二次规划回归估计支撑矢量机
4.2.1 无约束二次规划回归估计支撑矢量机
4.2.2 仿真实验
4.2.3 小结与讨论
4.3 复值支撑矢量机
4.3.1 模式识别复值支撑矢量机
4.3.2 回归估计复值支撑矢量机
4.3.3 小结与讨论
4.4 基于微分容量控制的学习机，
4.4.1 推广能力及微分容量控制
4.4.2 基于微分容量控制的学习机
4.4.3 仿真实验
4.4.4 小结与讨论
4.5 基于决策树的支撑矢量机多分类方法
4.5.1 支撑矢量机的多分类方法
4.5.2 基于决策树的支撑矢量机多分类方法
4.5.3 仿真实验
4.5.4 小结与讨论
参考文献
附录
第5章 核学习机
5.1 隐空间核机器
5.1.1 隐空间
5.1.2 隐空间主分量分析
5.1.3 隐空间支撑矢量机
5.1.4 最小二乘隐空间支撑矢量机
5.1.5 稀疏隐空间支撑矢量机
5.2 核函数的构造
5.2.1 坐标变换核
5.2.2 子波核函数
5.2.3 尺度核函数
5.2.4 性能仿真
5.2.5 小结与讨论
5.3 基于父子波正交投影核的支撑矢量机
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撑矢量机
5.3.3 算法性能分析和父子波正交投影核的参数选择
5.3.4 仿真实验
5.3.5 小结与讨论
5.4 子波核函数网络
5.4.1 子波核函数网络模型
5.4.2 子波核函数网络学习算法
5.4.3 仿真实验
5.4.4 小结与讨论
5.5 核聚类算法
5.5.1 聚类分析
5.5.2 核聚类算法
5.5.3 仿真实验
5.5.4 小结与讨论
参考文献
附录
第6章 稀疏核支撑矢量机
6.1 Bayes核机器
6.1.1 Bayes学习
6.1.2 基于有效子集选择的Bayes学习
6.2 贪婪分阶段支撑矢量机
6.2.1 支撑矢量机
6.2.2 再生核Hnbert空间范数和支撑矢量机
6.2.3 贪婪分阶段支撑矢量机
6.2.4 性能评价
6.2.5 仿真实验
6.2.6 算法机理与性能分析
6.2.7 小结与讨论
6.3 特征标度核Fisher判别分析
6.3.1 核Fisher判断分析
6.3.2 光滑留一交叉验证误差
6.3.3 扩展到多分类
6.3.4 仿真实验
6.3.5 小结与讨论
6.4 序列稀疏贪婪优化
6.4.1 最小二乘支撑矢量机
6.4.2 序列稀疏贪婪优化
6.4.3 模型选择
6.4.4 仿真实验
6.4.5 小结与讨论
参考文献
附录
第7章 快速大规模支撑矢量机
7.1 基本域大规模支撑矢量回归
7.1.1 基本域支撑矢量回归
7.1.2不敏感Huber损失函数和有限牛顿算法
7.1.3 递归有限牛顿算法
7.1.4 仿真实验
……
第8章 高分辨距离像识别
第9章 谱集成学习机
第10章 基于核学习的图像识别
参考文献