导读:本文包含了最小监督分类论文开题报告文献综述及选题提纲参考文献，主要关键词:半监督学习,稀疏表示,支持向量机,最小类散度
最小监督分类论文文献综述
刘建华,吴冬燕[1]（2014）在《稀疏正则化最小类散度半监督分类机》一文中研究指出基于稀疏表示理论提出一种稀疏正则化最小类散度半监督分类机(SRMCV),且对于模式分类问题,SRMCV通过引入稀疏Laplacian正则化项和类内散度信息以实现预测空间函数在全局稀疏表示结构下平滑变化,同时通过类内数据散度结构进一步优化决策函数的判别方向,此方法能解决现有SSL方法对模型参数敏感和在噪声学习环境下缺乏鲁棒性等问题,其有效性已在实际数据集上通过实验验证.(本文来源于《宁波大学学报(理工版)》期刊2014年02期）
岳江,柏连发,张毅,徐杭威[2]（2012）在《基于最小关联窗口的高光谱图像非监督分类》一文中研究指出为了提高分类精度和减少麻点现象,该文在最小关联窗口模型基础上,提出了一种高光谱图像非监督分类方法。首先该方法推导了一个目标辨识量——泛光谱曲线;基于此辨识量和图像空间一致性,提出了像元最小关联窗口继承式分类。类间距离使用巴氏距离(Bhattacharyya distance)度量,将相似类合并,完成最终分类。最后利用美国AVIRIS数据进行性能评价,并分别与K均值(K-MEANS)和迭代自组织数据分析技术(ISODATA)进行了性能对比。实验结果表明,该方法分类精度和麻点现象均优于K-MEANS和ISODATA。(本文来源于《南京理工大学学报》期刊2012年01期）
刘小兰,郝志峰,杨晓伟,马献恒[3]（2010）在《基于最小熵正则化的半监督分类》一文中研究指出生成式模型需要对复杂的联合概率密度建模,并估计较多的参数,为此,文中提出了一种基于最小熵正则化的半监督分类算法.该算法利用Havrda-Charvat's结构α-熵作为目标的正则项,并用拟牛顿法进行求解.该算法既是判别式的,又是直推式的,从而降低了对模型的依赖程度,同时可以方便地预测训练集之外的示例标记.在UCI数据库上的仿真实验结果表明,所提出的算法即使在有标记数据较少的情况下仍能获得较低的分类误差.(本文来源于《华南理工大学学报(自然科学版)》期刊2010年01期）
李丰[4]（2008）在《结合统计及空间信息的最小监督分类算法及其在肝脏分割中的应用》一文中研究指出本文设计了一种结合统计和空间信息的最小监督分类算法,并将其应用在肝脏分割的问题中,利用该算法完成了从CT腹部增强扫描的数据中分割出肝实质、门静脉和肝静脉的实验,得到了为临床医生所认可的结果。该应用对于涉及到肝脏切割的手术,尤其是活体肝脏移植手术有着重要的临床意义。所谓活体肝脏移植是指从一个正常的自愿供肝者体内通过手术切取部分肝脏,将病人的病变肝脏完全切除,再将供者的部分肝脏移植到病人原来肝脏的位置。活体肝脏移植是肝脏移植手术中难度最大的手术,在手术前要求医生严格准确的计算切取多少的肝脏以保证供肝者及受体的安全,手术中则涉及到取肝过程中血管的分离、结扎和植肝过程中血管的吻合,都是相当复杂且要求仔细精确的操作。因此,在术前医生需要反复观察供体和受体的腹部影像,确认肝脏的形状、大小和肝脏内血管的分布状况。本文所设计的算法能够从CT腹部数据中获得可用于叁维重建的肝实质、门静脉和肝静脉的分割结果,为医生提供肝脏及其内部血管的叁维信息,帮助医生更准确地预备手术方案。本文的主要创新点可分为两大方面:首先,从分割算法的角度看,本文的算法通过同时应用统计和空间信息的方法,引入高可信点和基于灰度的距离的概念,巧妙地解决了由图像噪声以及其他组织如心脏、肠、胃、肌肉、腹主动脉等在CT影像中与肝脏灰度值接近且空间位置邻近甚至紧密相靠所带来的误分割问题。另外,算法也利用了CT增强扫描中叁个不同时期图像灰度值的差异分割出了门静脉和肝静脉的结构,并且能够清晰地显示出门静脉和肝静脉的第四级分叉,达到了临床诊断的要求。其次,从临床意义的角度看,对门静脉和肝静脉的分割对活体肝脏移植手术的预备有着重要的意义和极大的实用价值,但目前国际上还甚少出现相关的工作。当前,医生在做活体肝脏移植的手术预备时,主要还是通过最大灰度投影方法来观察门静脉和肝静脉在肝脏中的分布。由于最大灰度投影方法实际上只能提供从叁维投影到二维的图像信息,这就要求医生根据专业知识及经验来想象血管在叁维空间中的实际走向。而本文的分割算法所得的结果能够很容易地被重建为叁维模型,使医生能够直接看到肝脏及其内部门静脉和肝静脉的叁维形态,帮助医生更准确地预备手术方案。(本文来源于《上海交通大学》期刊2008-12-01）
最小监督分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高分类精度和减少麻点现象,该文在最小关联窗口模型基础上,提出了一种高光谱图像非监督分类方法。首先该方法推导了一个目标辨识量——泛光谱曲线;基于此辨识量和图像空间一致性,提出了像元最小关联窗口继承式分类。类间距离使用巴氏距离(Bhattacharyya distance)度量,将相似类合并,完成最终分类。最后利用美国AVIRIS数据进行性能评价,并分别与K均值(K-MEANS)和迭代自组织数据分析技术(ISODATA)进行了性能对比。实验结果表明,该方法分类精度和麻点现象均优于K-MEANS和ISODATA。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
最小监督分类论文参考文献
[1].刘建华,吴冬燕.稀疏正则化最小类散度半监督分类机[J].宁波大学学报(理工版).2014
[2].岳江,柏连发,张毅,徐杭威.基于最小关联窗口的高光谱图像非监督分类[J].南京理工大学学报.2012
[3].刘小兰,郝志峰,杨晓伟,马献恒.基于最小熵正则化的半监督分类[J].华南理工大学学报(自然科学版).2010
[4].李丰.结合统计及空间信息的最小监督分类算法及其在肝脏分割中的应用[D].上海交通大学.2008