韓一娜編著的這本《局部多核學習與圖像分類》
繫統地論述了局部多核學習的理論、優化算法及其在
圖像分類中的應用。全書分為9章，主要敘述了圖像
分類中的核方法，局部多核學習的正則風險框架與算
法，局部多核學習的貝葉斯視角及其在構建生物視覺
模型中的應用。書中融入了作者多年的研究成果，同
時也吸納了國際上在該領域的最新研究成果。本書對
問題敘述詳盡，理論分析深入淺出，是該領域一部內
容新穎、繫統全面、實用性強的學術著作。
本書可供從事局部多核學習理論及應用的研究人
員閱讀和參考。

第1章 緒論
1.1 研究背景與意義
1.2 基於多核學習的圖像分類
1.3 研究現狀
第2章 圖像表征
2.1 場景要點
2.2 方向梯度直方圖
2.3 尺度不變特征變換
2.4 直線特征
2.5 自相似性描述符
2.6 紋理元
2.7 幾何概率映射
第3章 圖像分類中的核方法
3.1 圖像表征與核
3.2 風險*小化學習
3.3 核與線性分類器
3.4 支持向量機分類器
第4章 局部多核學習的正則風險框架
4.1 多核學習的正則風險框架
4.2 流行的多核學習形式
4.3 局部多核學習的正則風險框架簡介
4.4 圖像數據庫
4.5 核矩陣構造及圖像特征
4.6 實驗設置與評價準則
第5章 基於樣本級優化的方法
5.1 原一對偶等價形式
5.2 樣本級的交替優化
5.3 樣本級的目標函數求解
5.4 實驗結果與分析
第6章 基於半定規劃的方法
6.1 lp範數LMKL框架
6.2 單約束QCQP的SDP松弛
6.3 SDP求解局部化γ
6.4 實驗結果與分析
第7章 基於門函數的方法
7.1 Gonen & Alpaydin的方法
7.2 分組敏感的方法
7.3 基於概率置信核的方法
7.4 實驗結果與分析
第8章 局部多核學習的貝葉斯視角
8.1 貝葉斯框架
8.2 高斯過程
8.3 多核學習的貝葉斯視角
8.4 局部多核學習的貝葉斯視角簡介
第9章 局部多核學習在構建生物視覺模型中的應用
9.1 引言
9.2 場景分類
9.3 任務引導的生物啟發式Gist模型(BT-Gist)
9.4 數據庫與實驗設置
9.5 實驗結果與分析
9.6 與現有方法的比較
9.7 BT-Gist模型討論
參考文獻