智能目标识别与分类2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

智能目标识别与分类PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1人工神经网络的发展1

1.2 Bayes网络的发展3

1.3正则技术的发展3

1.4统计学习理论的发展4

1.5核机器学习方法的发展4

1.5.1有监督核机器学习方法5

1.5.2非监督核机器学习方法9

1.6本书的主要内容10

参考文献11

第2章 统计学习理论、再生核技术与支撑矢量机算法24

2.1统计学习理论24

2.1.1学习问题的模型24

2.1.2学习过程的一致性理论25

2.1.3学习机推广能力的界27

2.1.4控制学习过程的推广能力29

2.1.5构造学习算法30

2.2再生核与再生核Hilbert空间30

2.2.1再生核30

2.2.2特征空间和经验特征空间31

2.2.3再生核Hilbert空间与经验再生核Hilbert空间32

2.2.4再生核与再生核Hilbert空间实例33

2.2.5 Mercer容许核的构造34

2.2.6再生核作为距离测度35

2.2.7再生核Hilbert空间的函数表示理论35

2.3支撑矢量机算法36

2.3.1模式识别支撑矢量机36

2.3.2回归支撑矢量机38

参考文献40

第3章 支撑矢量机理论基础42

3.1支撑矢量机几何特性分析42

3.1.1模式识别支撑矢量机几何特性分析43

3.1.2回归估计支撑矢量机几何特性分析47

3.1.3小结与讨论49

3.2支撑矢量预选取的中心距离比值法50

3.2.1中心距离比值法50

3.2.2算法性能仿真56

3.2.3一种新的推广能力衡量准则58

3.2.4 Mercer核参数的选择61

3.2.5仿真实验61

3.2.6小结与讨论66

参考文献66

附录67

第4章 先进支撑矢量机71

4.1线性规划支撑矢量机71

4.1.1线性规划线性支撑矢量机71

4.1.2线性规划非线性支撑矢量机73

4.1.3仿真实验74

4.1.4小结与讨论80

4.2无约束二次规划回归估计支撑矢量机80

4.2.1无约束二次规划回归估计支撑矢量机81

4.2.2仿真实验85

4.2.3小结与讨论90

4.3复值支撑矢量机90

4.3.1模式识别复值支撑矢量机91

4.3.2回归估计复值支撑矢量机109

4.3.3小结与讨论119

4.4基于微分容量控制的学习机121

4.4.1推广能力及微分容量控制121

4.4.2基于微分容量控制的学习机124

4.4.3仿真实验128

4.4.4小结与讨论131

4.5基于决策树的支撑矢量机多分类方法132

4.5.1支撑矢量机的多分类方法133

4.5.2基于决策树的支撑矢量机多分类方法135

4.5.3仿真实验137

4.5.4小结与讨论144

参考文献144

附录147

第5章 核学习机153

5.1隐空间核机器153

5.1.1隐空间154

5.1.2隐空间主分量分析155

5.1.3隐空间支撑矢量机162

5.1.4最小二乘隐空间支撑矢量机173

5.1.5稀疏隐空间支撑矢量机181

5.2核函数的构造189

5.2.1坐标变换核190

5.2.2子波核函数191

5.2.3尺度核函数193

5.2.4性能仿真195

5.2.5小结与讨论202

5.3基于父子波正交投影核的支撑矢量机203

5.3.1父子波正交投影核204

5.3.2基于父子波正交投影核的支撑矢量机205

5.3.3算法性能分析和父子波正交投影核的参数选择208

5.3.4仿真实验212

5.3.5小结与讨论216

5.4子波核函数网络216

5.4.1子波核函数网络模型217

5.4.2子波核函数网络学习算法218

5.4.3仿真实验220

5.4.4小结与讨论224

5.5核聚类算法224

5.5.1聚类分析225

5.5.2核聚类算法225

5.5.3仿真实验227

5.5.4小结与讨论230

参考文献230

附录234

第6章 稀疏核支撑矢量机240

6.1 Bayes核机器240

6.1.1 Bayes学习240

6.1.2基于有效子集选择的Bayes学习242

6.2贪婪分阶段支撑矢量机246

6.2.1支撑矢量机248

6.2.2再生核Hilbert空间范数和支撑矢量机248

6.2.3贪婪分阶段支撑矢量机250

6.2.4性能评价253

6.2.5仿真实验253

6.2.6算法机理与性能分析257

6.2.7小结与讨论261

6.3特征标度核Fisher判别分析262

6.3.1核Fisher判别分析263

6.3.2光滑留一交叉验证误差264

6.3.3扩展到多分类266

6.3.4仿真实验268

6.3.5小结与讨论273

6.4序列稀疏贪婪优化273

6.4.1最小二乘支撑矢量机274

6.4.2序列稀疏贪婪优化275

6.4.3模型选择283

6.4.4仿真实验284

6.4.5小结与讨论289

参考文献289

附录293

第7章 快速大规模支撑矢量机296

7.1基本域大规模支撑矢量回归296

7.1.1基本域支撑矢量回归297

7.1.2不敏感Huber损失函数和有限牛顿算法298

7.1.3递归有限牛顿算法304

7.1.4仿真实验305

7.1.5基本域稀疏支撑矢量回归309

7.1.6仿真实验312

7.1.7小结与讨论319

7.2大规模稀疏核机器CLAR-LASSO319

7.2.1 LAR-LASSO算法321

7.2.2 CLAR-LASSO算法324

7.2.3时空复杂度327

7.2.4相关工作329

7.2.5仿真实验329

7.2.6小结与讨论336

7.3快速稀疏逼近最小二乘支撑矢量机336

7.3.1最小二乘支撑矢量机分类337

7.3.2最小二乘支撑矢量机和再生核Hilbert空间338

7.3.3基于反向拟合的快速稀疏逼近策略339

7.3.4仿真实验347

7.3.5小结与讨论357

7.4模糊核匹配追踪学习机357

7.4.1模糊核匹配追踪358

7.4.2自适应参数的选取360

7.4.3仿真实验362

7.4.4小结与讨论367

7.5集成核匹配追踪学习机367

7.5.1集成学习系统368

7.5.2集成核匹配追踪学习机的理论分析371

7.5.3建立集成核匹配追踪学习机374

7.5.4仿真实验375

7.5.5小结与讨论380

参考文献380

第8章 高分辨距离像识别386

8.1平移不变的特征提取387

8.1.1中心矩特征387

8.1.2谱特征387

8.2 MCPVC算法388

8.3性能评价393

8.3.1实测数据上的性能比较393

8.3.2混合数据上的性能比较398

8.4小结与讨论401

参考文献401

第9章 谱集成学习机403

9.1基于免疫克隆算法的选择性支撑矢量机集成403

9.1.1选择性集成学习的研究动机403

9.1.2集成系统中个体支撑矢量机的构造404

9.1.3基于免疫克隆算法的支撑矢量机选择性集成404

9.1.4仿真实验406

9.1.5小结与讨论413

9.2基于特征选择的支撑矢量机集成414

9.2.1基于特征选择的支撑矢量机集成系统的构造415

9.2.2集成系统中个体支撑矢量机的评价417

9.2.3免疫克隆算法在支撑矢量机集成系统特征选择中的应用418

9.2.4仿真实验420

9.3谱聚类集成学习422

9.3.1改进的谱聚类及其相关技术423

9.3.2非监督集成问题428

9.3.3具有多样性的个体谱聚类的构造429

9.3.4多个谱聚类结果的合并430

9.3.5仿真实验432

9.3.6小结与讨论445

9.4基于分水岭-谱聚类的图像分割446

9.4.1分水岭分割策略448

9.4.2基于特征值尺度化特征向量的multiway谱聚类449

9.4.3仿真实验450

9.4.4小结与讨论467

9.5谱协同神经网络分类467

9.5.1协同神经网络468

9.5.2谱协同神经网络分类算法469

9.5.3算法复杂度分析470

9.5.4仿真实验470

9.5.5小结与讨论475

参考文献476

第10章 基于核学习的图像识别482

10.1基于核匹配追踪的图像识别482

10.1.1核匹配追踪483

10.1.2基于多尺度几何分析与核匹配追踪的图像识别486

10.1.3仿真实验490

10.1.4小结与讨论493

10.2基于免疫克隆与核匹配追踪的快速图像目标识别494

10.2.1免疫克隆算法494

10.2.2免疫克隆选择核匹配追踪算法497

10.2.3 ICSA-KMP图像目标识别算法流程498

10.2.4 ICSA-KMP算法时间复杂度分析500

10.2.5仿真实验500

10.2.6小结与讨论505

10.3基于协同神经网络的SAR图像识别506

10.3.1协同神经网络507

10.3.2免疫克隆规划协同神经网络509

10.3.3基于协同神经网络的免疫克隆集成算法518

10.4基于聚类学习的SAR图像识别522

10.4.1聚类算法523

10.4.2基于聚类的核匹配追踪字典学习算法525

10.4.3免疫克隆聚类协同神经网络的SAR图像识别528

10.5基于集成学习的SAR图像识别533

10.5.1集成学习系统构造533

10.5.2核匹配追踪集成分类器537

10.5.3基于免疫克隆选择的核匹配追踪集成图像识别539

参考文献545