图书介绍

模式分析的多核方法及其应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

汪洪桥，蔡艳宁，王仕成，付光远，孙富春著著
出版社：北京：国防工业出版社
ISBN：9787118092868
出版时间：2014
标注页数：172页
文件大小：27MB
文件页数：182页
主题词：并行程序－程序设计

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：67b5f4399a3d6b2ddf5ad0ade385e9d9

下载说明

模式分析的多核方法及其应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数要大于标注页数，上中下等多册电子书除外）

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

图书目录

第1章核机器学习与多核学习方法1

1.1 核方法基础1

1.2 统计学习理论与支持向量机6

1.2.1 统计学习理论7

1.2.2 支持向量机8

1.3 多核学习的研究现状及难点13

1.3.1 多核学习方法的研究现状13

1.3.2 多核方法研究的难点16

第2章基于低维鲁棒特征融合的SVM目标分类20

2.1 引言20

2.2 模式分类问题的特征融合20

2.3 合成孔径雷达图像目标分类背景21

2.4 低维鲁棒组合特征的提取24

2.4.1 小波矩特征提取24

2.4.2 多类分类中小波矩的选择28

2.4.3 全局灰度熵特征29

2.5 基于SVM的多类SAR图像目标分类29

2.6 小结32

第3章基于合成核机器的快速学习与在线回归分析33

3.1 引言33

3.2 合成核方法概述35

3.2.1 合成核的构造35

3.2.2 合成核机器的学习方法38

3.3 最小二乘支持向量机与合成核机器41

3.3.1 最小二乘支持向量机41

3.3.2 组合的特征空间与合成核机器43

3.4 无偏合成核LSSVR45

3.5 无偏LSSVR的在线学习49

3.5.1 常规在线学习方法50

3.5.2 无偏LSSVR在线学习方法51

3.5.3 样本增加52

3.5.4 样本消减53

3.5.5 算法复杂度分析54

3.6 在线混沌时间序列预测实验55

3.6.1 三种混沌时间序列预测56

3.6.2 时间对比与大规模样本测试61

3.7 小结62

第4章基于局部多分辨分解的多尺度核方法与自动目标识别64

4.1 引言64

4.2 SAR图像自动目标识别概述64

4.2.1 SAR图像自动目标识别背景64

4.2.2 SAR图像自动目标识别的技术现状68

4.3 局部多分辨分析与特征提取69

4.3.1 局部多分辨分析的来源69

4.3.2 感受野模型的认知基础70

4.3.3 局部多分辨特征提取74

4.4 基于多尺度核方法的分类器设计78

4.4.1 具有多尺度表示能力的核函数78

4.4.2 多尺度核支持向量分类器79

4.4.3 SAR图像ATR处理流程80

4.5 仿真实验82

4.5.1 MSTAR数据集实验82

4.5.2 多目标场景ATR仿真83

4.5.3 SAR ATR应用软件系统85

4.6 小结89

第5章基于合成核分类概率估计的大类别图像检索90

5.1 引言90

5.2 基于合成核支持向量机的图像分类90

5.2.1 多类别图像特征的提取91

5.2.2 合成核支持向量分类器的构造93

5.3 基于SVM分类概率估计的图像检索算法94

5.3.1 基于SVM分类概率估计的度量方法94

5.3.2 常用图像检索算法的度量及评价准则96

5.4 实验验证及算法改进97

5.4.1 图像分类实验与结果分析97

5.4.2 基于分类概率估计的检索实验101

5.4.3 图像检索算法的改进105

5.5 小结106

第6章多尺度核的自适应序列学习及应用107

6.1 引言107

6.2 多个尺度的多核学习：多尺度核方法108

6.2.1 多个尺度的特征空间108

6.2.2 多尺度核的学习方法108

6.3 多尺度核的自适应序列学习方法110

6.3.1 基于支持向量机的多尺度核序列学习110

6.3.2 多尺度核合成系数的确定113

6.3.3 多尺度核自适应序列学习的算法实现114

6.4 仿真实验结果与分析115

6.4.1 非平坦函数估计115

6.4.2 二维数据模式分类119

6.4.3 多维数据的分类123

6.5 小结124

第7章其他多核方法应用及核机器的改进126

7.1 引言126

7.2 合成核与多尺度核学习方法的改进126

7.2.1 改进合成核方法126

7.2.2 无限核方法128

7.2.3 超核（Hyperkernels）129

7.3 基于多尺度核目标识别的跟踪与定位130

7.3.1 基于目标识别的UKF跟踪及定位方法131

7.3.2 目标跟踪与定位仿真132

7.4 基于合成核方法的系统辨识140

7.4.1 系统辨识背景与多核方法140

7.4.2 仿真实验142

7.5 无偏核分类器及其在线学习144

7.5.1 最小二乘分类器（LSSVC）144

7.5.2 无偏LSSVC145

7.5.3 无偏LSSVC的分类及在线仿真实验146

7.6 多核方法在非结构化数据模式分析中的应用149

7.6.1 非结构化数据149

7.6.2 非结构化数据模式分析及与多核方法的融合150

7.7 多核方法展望152

参考文献155