核方法与累积量随机学习方法研究PDF电子书下载

第一章　绪论 1

1.1　模式分类概述 1

1.1.1　基本概念 1

1.1.2　模式分类的基本方法 3

1.1.3　模式分类系统 5

1.1.4　模式分类系统性能评价 6

1.2　模式分类中的核方法概要 7

1.2.1　核方法的基本思想 7

1.2.2　核函数的构建 9

1.2.3　核方法的研究现状及趋势 14

1.2.4　核方法的应用 16

1.3　累积量随机学习方法简述 18

1.3.1　概率密度估计方法介绍 18

1.3.2　累积量随机学习方法简述 19

1.4　本书内容概要 21

1.4.1　本书研究工作概述 21

1.4.2　本书的章节安排 22

第二章　特征空间中数据的几何结构表示 24

2.1　基本思想 24

2.2　子空间标准正交基的确定 25

2.2.1　子空间基的确定 25

2.2.2　子空间标准正交基的确定 28

2.2.3　投影坐标的显式表示 28

2.3　本章小结 29

第三章 KPCA的关键问题研究 30

3.1 KPCA算法描述 31

3.1.1 PCA的数学描述 31

3.1.2 KPCA简介 34

3.2　KPCA快速算法描述 36

3.2.1　KPCA复杂度分析 36

3.2.2　核Hebbian算法（Kernel Hebbian Algorithm,KHA） 38

3.2.3　分块核主成分 40

3.2.4　基于张成子空间的简化KPCA 43

3.2.5　实验分析 46

3.3 KPCA的核参数优化 49

3.3.1　核参数优化思路 50

3.3.2　高斯性测度的核参数优化算法 51

3.3.3　实验 53

3.4　小结 56

第四章 KFDA的关键问题研究 58

4.1　KFDA算法描述 59

4.1.1　Fisher判别分析简述 59

4.1.2　核Fisher判别分析简述 61

4.2　KFDA的奇异性分析 63

4.2.1 KFDA的奇异性问题 63

4.2.2 KDDA算法 64

4.2.3 OKFDA算法 67

4.2.4 NKFDA算法 70

4.2.5 OKDV算法 71

4.3 KFDA的快速算法 73

4.3.1 KFDA计算复杂度分析 73

4.3.2 KFDA的快速算法描述 74

4.3.3 实验分析 76

4.4 KFDA的核参数优化 78

4.4.1 KFDA的二次规划形式 79

4.4.2 优化核参数方法的推导 79

4.5 小结 82

第五章 SVDD的关键问题研究 83

5.1 支撑向量域描述（SVDD）算法介绍 83

5.1.1 研究背景 83

5.1.2 SVDD算法描述 84

5.2 SVDD的简化算法 89

5.2.1 简化算法介绍 89

5.2.2 乘性规则算法（SVDCM） 90

5.2.3 增量学习算法 92

5.3 SVDD的核参数优化 95

5.3.1 SVDD的核参数优化问题 95

5.3.2 核参数优化算法的思路 95

5.3.3 核参数优化测度的构造 96

5.3.4 最优化核参数的算法步骤 98

5.3.5 实验及结果分析 98

5.4 本章小结 102

第六章　新的核方法的构造 106

6.1 基本思想 107

6.2　最优变换和聚类中心算法描述 109

6.2.1　最优变换 109

6.2.2　最优聚类中心的选择 110

6.3　核最优变换和聚类中心算法 112

6.3.1 KOT-CC算法推导 113

6.3.2　性能比较分析 115

6.4　核最优变换和聚类中心的简化算法 115

6.5　实验分析 117

6.5.1　鉴别特征提取能力分析 117

6.5.2　计算性能分析 119

6.5.3　与核Fisher鉴别分析的比较 121

6.6　本章小结 123

第七章　基于累积量随机学习方法的　雷达目标识别 125

7.1 HRRP的特性分析 126

7.1.1 HRRP的获取 126

7.1.2　HRRP的敏感性及其预处理 127

7.1.3　帧内HRRP的统计特性分析 131

7.2　基于累积量随机学习方法的雷达目标识别 133

7.2.1　方法提出的背景 133

7.2.2　累积量随机学习方法（SLC） 135

7.2.3 SLC的主要步骤 137

7.2.4　运用SLC进行识别的基本步骤 137

7.2.5　基于外场实测数据的实验分析 138

7.2.6　结论 142

7.3　基于“Gamma—SLC”混合密度估计的雷达目标识别 143

7.3.1　方法提出的背景 143

7.3.2　密度估计方法的描述 145

7.3.3　密度估计方法的选择 146

7.3.4　采用“Gamma-TCL”进行识别的基本步骤 147

7.3.5　基于外场实测数据的实验分析 148

7.3.6　结论 150

7.4　本章小结 151

参考文献 153