分片线性分类器设计的新方法

本书系统论述了分片线性分类器的设计方法及相关问题。全书共分六章：靠前章介绍分片线性分类器的发展历程和演化趋势，以及传统的分片线性分类器的设计方法，并对其优缺点进行分析和总结；第2章详细论述该领域的近期新研究成果，即组合凸线性感知器这一通用理论框架；第3章～第6章分别从分类精度提升、分类模型简化、克服数据可分性限制和新框架设计等方面论述组合凸线性感知器框架的改进之处和完善策略，这其中包含作者的大部分工作。

前言
本书所用符号及含义
第1章 绪论
1.1 分片线性分类基础
1.2 分片线性分类器的设计方法介绍
1.2.1 委员会机
1.2.2 线性规划方法
1.2.3 局部训练方法
1.2.4 决策树方法
1.2.5 最大-最小可分性方法
1.2.6 组合凸线性感知器
1.3 最新研究概况
1.3.1 生长设计方法
1.3.2 极大切割设计方法
1.3.3 软间隔设计方法
1.3.4 新框架设计
第2章 组合凸线器框架
2.1 支持向量机简介
2.2 支持组合凸线器
2.2.1 凸包和可分性
2.2.2 线性分类器
2.2.3 支持凸线器的定义
2.2.4 支持组合凸线器的形式
2.2.5 支持组合凸线器的预测规则
2.3 小结
第3章 生长设计方法
3.1 原有设计方法存在的问题
3.2 凸线器的生长设计方法
3.2.1 挤压操作
3.2.2 生长支持凸线器算法
3.2.3 算法复杂度
3.3 组合凸线器的生长设计方法
3.3.1 膨胀操作
3.3.2 生长支持组合凸线器算法
3.3.3 算法复杂度
3.4 实验结果及分析
3.4.1 在人工合成数据集上的实验
3.4.2 在标准数据集上的实验
3.4.3 与NNA和DTA的对比实验
3.4.4 在n维单位超球组上的实验
3.5 小结
第4章 极大切割设计方法
4.1 奥卡姆剃刀原理
4.2 凸线器的极大切割设计方法
4.2.1 极大切割过程
4.2.2 极大切割支持凸线器算法
4.2.3 算法复杂度
4.3 组合凸线器的极大切割设计方法
4.3.1 极大切割过程
4.3.2 极大切割支持组合凸线器算法
4.3.3 算法复杂度
4.4 实验结果及分析
4.4.1 在人工合成数据集上的实验
4.4.2 在标准数据集上的实验
4.4.3 与NNA和DTA的对比实验
4.4.4 在n维单位超球组上的实验
4.5 与生长设计方法的对比分析
4.6 小结
第5章 软间隔设计方法
5.1 显式空间映射
5.2 CDMA的带核推广
5.2.1 核化的CDMA
5.2.2 KCDMA的预测规则
5.3 组合凸线器的软间隔设计方法
5.3.1 软间隔凸线器设计
5.3.2 聚类的软间隔组合凸线器设计
5.4 实验结果及分析
5.4.1 与SMA的对比实验
5.4.2 与SVM、NNA及DTA的对比实验
5.4.3 在n维单位超球组上的实验
5.4.4 在非叠可分数据集上的实验
5.5 小结
第6章 交错式组合凸线器设计方法
6.1 设计分片线性分类器的新思路
6.2 极大凸可分子集
6.3 交错式组合凸线器的定义
6.4 支持交错式组合凸线器算法
6.5 实验结果及分析
6.5.1 在Fourclass数据集上的实验
6.5.2 在标准数据集上的实验
6.5.3 与NNA和DTA的对比实验
6.5.4 在n维单位超球组上的实验
6.6 小结
参考文献
结束语