支持向量机学习算法研究
| 第1章 绪论 | 第1-19页 |
| ·研究背景 | 第12-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·各种变形算法 | 第14-15页 |
| ·支持向量机的增量学习与并行学习算法 | 第15-16页 |
| ·支持向量机模型选择 | 第16-17页 |
| ·研究内容与意义 | 第17-18页 |
| ·论文的组织结构 | 第18-19页 |
| 第2章 支持向量机学习算法概述 | 第19-35页 |
| ·统计学习理论 | 第19-22页 |
| ·经验风险 | 第19-20页 |
| ·VC维 | 第20页 |
| ·学习过程的一致性 | 第20-21页 |
| ·结构风险最小归纳原理 | 第21-22页 |
| ·支持向量机 | 第22-28页 |
| ·最优超平面 | 第23-24页 |
| ·线性情况 | 第24-25页 |
| ·非线性情况 | 第25-27页 |
| ·支持向量 | 第27页 |
| ·核函数 | 第27-28页 |
| ·支持向量机的变形算法 | 第28-33页 |
| ·C-SVM算法 | 第28-29页 |
| ·ν-SVM算法 | 第29页 |
| ·One-class SVM算法 | 第29-30页 |
| ·RSVM算法 | 第30-31页 |
| ·LS-SVM算法 | 第31页 |
| ·WSVM算法 | 第31-32页 |
| ·各种变形算法的比较 | 第32-33页 |
| ·基于组合的支持向量机算法 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第3章 启发式支持向量机快速学习算法 | 第35-55页 |
| ·支持向量机算法中存在的问题 | 第35-36页 |
| ·主动学习 | 第36-37页 |
| ·启发式方法 | 第37-40页 |
| ·人工智能领域中的启发式方法 | 第37-38页 |
| ·支持向量机算法中的启发式规则 | 第38-40页 |
| ·内积矩阵分解算法 | 第40-44页 |
| ·问题的提出 | 第40页 |
| ·内积矩阵分解算法描述 | 第40-43页 |
| ·内积矩阵分解算法性能分析 | 第43-44页 |
| ·启发式支持向量机快速学习算法 | 第44-54页 |
| ·算法思想 | 第44页 |
| ·算法描述 | 第44-46页 |
| ·实验结果与分析 | 第46-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 支持向量机的增量学习算法 | 第55-72页 |
| ·增量学习 | 第55页 |
| ·支持向量机的增量学习 | 第55-56页 |
| ·支持向量的作用 | 第55-56页 |
| ·支持向量机的增量学习描述 | 第56页 |
| ·基于分块法的增量学习算法 | 第56-60页 |
| ·Batch SVM增量学习算法 | 第57-58页 |
| ·三种增量学习策略 | 第58-59页 |
| ·基于分类错误率最小的增量学习算法 | 第59-60页 |
| ·基于 KKT条件的增量学习算法 | 第60-63页 |
| ·KKT条件 | 第60页 |
| ·相关定理 | 第60-62页 |
| ·基于 KKT条件的增量学习算法 | 第62-63页 |
| ·一种支持向量机的渐进增量学习算法 | 第63-71页 |
| ·算法思想 | 第63-64页 |
| ·算法描述 | 第64-65页 |
| ·实验结果与分析 | 第65-71页 |
| ·本章小结 | 第71-72页 |
| 第5章 基于多支持向量机的并行学习算法 | 第72-91页 |
| ·并行学习算法分析 | 第72-76页 |
| ·多分类器系统 | 第72页 |
| ·并行学习概念的提出 | 第72-73页 |
| ·w-model算法 | 第73-75页 |
| ·Cascade SVMs算法 | 第75-76页 |
| ·PSVMs算法 | 第76-84页 |
| ·算法思想 | 第76-77页 |
| ·算法描述 | 第77-79页 |
| ·实验结果与分析 | 第79-84页 |
| ·ICSVMs算法 | 第84-90页 |
| ·算法思想 | 第84页 |
| ·算法描述 | 第84-85页 |
| ·实验结果与分析 | 第85-90页 |
| ·本章小结 | 第90-91页 |
| 第6章 支持向量机在虚拟企业伙伴决策中的应用 | 第91-105页 |
| ·虚拟企业 | 第91-94页 |
| ·虚拟企业 | 第91-92页 |
| ·虚拟企业的特性 | 第92-93页 |
| ·虚拟企业的生命周期 | 第93-94页 |
| ·虚拟企业伙伴决策 | 第94-98页 |
| ·影响虚拟企业伙伴决策的因素 | 第94-95页 |
| ·虚拟企业伙伴决策问题描述 | 第95-96页 |
| ·虚拟企业伙伴决策的数学方法 | 第96-98页 |
| ·进行智能辅助决策的必要性 | 第98页 |
| ·基于支持向量机的虚拟企业伙伴决策方法 | 第98-103页 |
| ·供应商伙伴数据说明 | 第99-100页 |
| ·基于支持向量机的虚拟企业伙伴决策过程 | 第100-101页 |
| ·基于支持向量机的虚拟企业伙伴决策 | 第101-103页 |
| ·本章小结 | 第103-105页 |
| 结论 | 第105-107页 |
| 参考文献 | 第107-117页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第117-119页 |
| 致谢 | 第119页 |
