基于聚类的相关向量机快速多分类算法研究

摘要	第1-6页
Abstract	第6-9页
第一章 绪论	第9-14页
·选题背景及研究意义	第9-10页
·国内外相关向量机研究现状及其发展方向	第10-13页
·相关向量机分类研究现状	第10-12页
·相关向量机分类的发展方向	第12-13页
·本文的研究内容及章节组成	第13-14页
第二章 相关理论及方法	第14-34页
·聚类分析	第14-22页
·聚类分析的定义	第14页
·相似度度量	第14-17页
·常见的几种聚类算法	第17-22页
·贝叶斯理论基础	第22-24页
·贝叶斯理论的背景及特点	第22-23页
·贝叶斯公式	第23-24页
·相关向量机模型	第24-33页
·相关向量机回归	第25-28页
·相关向量机分类	第28-30页
·快速边际似然算法	第30-33页
·本章小结	第33-34页
第三章 基于聚类的大规模多分类相关向量机算法	第34-48页
·BF-mRVM 的基本思想	第34-35页
·BF-mRVM 的训练流程	第35-45页
·聚类分簇	第35-37页
·RVM 多分类问题的处理	第37-45页
·BF-MRVM 的测试流程	第45-47页
·分类器的选择方法	第46页
·分类器测试判断及指标统计	第46-47页
·本章小结	第47-48页
第四章 BF-mRVM 算法的实验及其结果分析	第48-59页
·实验所用的数据集介绍	第48-50页
·实验所采用的算法及运行环境	第50-51页
·实验与结果分析	第51-58页
·相关向量图形解释	第51-52页
·BF-mRVM 实验结果比较及性能分析	第52-55页
·BF-mRVM 中的参数分析	第55-58页
·本章小结	第58-59页
结论	第59-60页
参考文献	第60-64页
攻读硕士学位期间取得的研究成果	第64-65页
致谢	第65-66页
附件	第66页