模糊支持向量机的研究与应用
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景及意义 | 第10-11页 |
| ·本文的研究内容和组织结构 | 第11-13页 |
| ·研究内容 | 第11-12页 |
| ·组织结构 | 第12-13页 |
| 第二章 统计学习理论及最优化理论 | 第13-20页 |
| ·统计学习理论的核心内容 | 第13-16页 |
| ·学习过程一致性的条件 | 第13-14页 |
| ·VC 维 | 第14-15页 |
| ·推广性的界 | 第15-16页 |
| ·结构风险最小化 | 第16页 |
| ·最优化理论 | 第16-19页 |
| ·KKT 条件 | 第17-18页 |
| ·Wolfe 对偶 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 支持向量机的理论基础 | 第20-30页 |
| ·最优超平面 | 第20-21页 |
| ·线性可分情况的最优超平面 | 第21-23页 |
| ·不可分模式的最优超平面 | 第23-26页 |
| ·支持向量机 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 多类分类与模糊支持向量机 | 第30-39页 |
| ·基于支持向量机的多类分类 | 第30-35页 |
| ·1-v-r SVMs | 第30-32页 |
| ·1-v-1 SVMs | 第32-33页 |
| ·决策导向非循环图DDAG 方法 | 第33-34页 |
| ·纠错编码SVMs | 第34-35页 |
| ·模糊支持向量机 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第五章 基于模糊支持向量机的多类分类方法 | 第39-50页 |
| ·基于KSOM 的二叉树结构构造 | 第39-42页 |
| ·基于核函数的自组织映射(KSOM) | 第40-42页 |
| ·分类过程 | 第42页 |
| ·模糊隶属度的确定 | 第42-44页 |
| ·有效性分析及实验结果分析 | 第44-47页 |
| ·训练时间分析 | 第44-45页 |
| ·分类速度 | 第45页 |
| ·实验结果与分析 | 第45-47页 |
| ·基于模糊支持向量机方法的概念设计评价 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 结束语 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间参与的项目和发表的论文 | 第55-56页 |
| 致谢 | 第56页 |
