基于特征分析的支持向量分类机
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景与意义 | 第10-11页 |
| ·基于特征分析的支持向量机的研究进展 | 第11-13页 |
| ·支持向量机的研究进展 | 第11-12页 |
| ·特征分析的研究进展 | 第12-13页 |
| ·论文的组织和安排 | 第13-14页 |
| 第二章 支持向量分类机 | 第14-24页 |
| ·平方最近点法 | 第14-17页 |
| ·平方最近点法的数学原理 | 第14-16页 |
| ·平方最近点法的推广 | 第16-17页 |
| ·最大间隔法 | 第17-19页 |
| ·最大间隔法的数学原理 | 第17-18页 |
| ·最大间隔法的推广 | 第18-19页 |
| ·线性支持向量分类机 | 第19-22页 |
| ·平方最近点法与最大间隔法的关系 | 第19-20页 |
| ·线性可分支持向量机 | 第20-21页 |
| ·线性支持向量分类机 | 第21-22页 |
| ·非线性支持向量分类机 | 第22-24页 |
| 第三章 特征子集选择算法 | 第24-35页 |
| ·一种基于分类精度的特征子集选择算法 | 第25-27页 |
| ·CA-SFS 算法基本步骤 | 第25-27页 |
| ·CA-SFS 算法复杂性分析 | 第27页 |
| ·一种改进的浮动搜索特征子集算法 | 第27-30页 |
| ·AFS-FS 算法步骤 | 第28-29页 |
| ·AFS-FS 算法复杂度分析 | 第29-30页 |
| ·仿真实验及结果对比分析 | 第30-34页 |
| ·实验数据集 | 第30页 |
| ·实验方法及过程 | 第30-32页 |
| ·实验结果及对比分析 | 第32-34页 |
| ·本章小结与展望 | 第34-35页 |
| 第四章 特征离散化方法 | 第35-48页 |
| ·基于CA 相依表的离散化算法 | 第36-41页 |
| ·边界点和相依表 | 第36-38页 |
| ·CADD 算法 | 第38页 |
| ·CAIM 算法 | 第38-39页 |
| ·CACC 算法 | 第39页 |
| ·OCDD 算法 | 第39-41页 |
| ·基于聚类的离散化方法 | 第41-43页 |
| ·NCL 算法原理 | 第42页 |
| ·NCL 算法步骤 | 第42-43页 |
| ·基于聚类和CAIR 准则的离散化方法 | 第43-45页 |
| ·NCL-CAIR 算法步骤 | 第43-44页 |
| ·NCL-CAIR 算法复杂性分析 | 第44-45页 |
| ·数值实验及结果分析 | 第45-47页 |
| ·数值实验 | 第45-46页 |
| ·结果分析 | 第46-47页 |
| ·本章小结与展望 | 第47-48页 |
| 第五章 特征加权支持向量分类机 | 第48-53页 |
| ·特征加权支持向量分类机的数学原理 | 第48-49页 |
| ·基于信息增益的特征加权 | 第49-51页 |
| ·特征加权支持向量机算法步骤 | 第50-51页 |
| ·特征加权支持向量机算法的复杂度分析 | 第51页 |
| ·数值实验及结果分析 | 第51-52页 |
| ·本章小结与展望 | 第52-53页 |
| 第六章 结束语 | 第53-56页 |
| ·主要研究结论 | 第53-54页 |
| ·未来研究展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者在学期间取得的学术成果 | 第60页 |
