首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

鲁棒支持张量机模型及算法研究

摘要第1-6页
Abstract第6-10页
第一章 绪论第10-17页
   ·课题背景及研究意义第10-12页
   ·国内外研究现状第12-14页
     ·鲁棒支持向量机研究进展第12-13页
     ·支持张量机研究进展第13-14页
   ·本文研究的主要内容第14-15页
   ·本文的组织第15-17页
第二章 相关理论和基础第17-29页
   ·支持向量机相关基础第17-20页
     ·线性支持向量机模型第17-19页
     ·非线性支持向量机模型第19-20页
   ·张量理论及张量学习机第20-28页
     ·张量相关理论基础第20-22页
     ·有监督张量学习理论框架第22-25页
     ·线性支持高阶张量机(SHTM)第25-28页
   ·本章小结第28-29页
第三章 鲁棒最小二乘支持向量机第29-49页
   ·最小二乘支持向量机第29-30页
   ·加权最小二乘支持向量机第30-31页
   ·最小二乘支持向量机和加权最小二乘支持向量机的统一第31-33页
   ·鲁棒最小二乘支持向量机模型第33-34页
   ·RLS-SVM 鲁棒性分析第34-35页
   ·RLS-SVM 模型求解第35-39页
     ·损失函数光滑过程第36-37页
     ·凹-凸优化问题的 CCCP 过程第37页
     ·牛顿迭代法求解凸优化问题第37-39页
   ·数值实验及讨论第39-48页
     ·实验规范及准则第39-41页
     ·回归实验结果及对比分析第41-44页
     ·分类实验结果及对比分析第44-48页
     ·实验总结第48页
   ·本章小结第48-49页
第四章 鲁棒支持张量机模型及算法第49-60页
   ·鲁棒支持张量机模型(RSTM)第49-50页
   ·RSTM 模型的求解第50-53页
     ·RSTM 损失函数光滑过程第50-51页
     ·RSTM 求解的 CCCP 过程第51-52页
     ·张量分解及牛顿迭代法求解第52-53页
   ·RSTM 与 RLS-SVM、LS-STM 复杂度对比分析第53-54页
   ·数值实验及讨论第54-58页
     ·实验规范及准则第54-55页
     ·数据准备及参数设置第55-56页
     ·实验结果分析第56-57页
     ·参数 R 对 RSTM 模型的影响第57-58页
   ·本章小结第58-60页
结论第60-61页
参考文献第61-66页
攻读硕士学位期间取得的研究成果第66-67页
致谢第67-68页
附件第68页

论文共68页,点击 下载论文
上一篇:基于ARM的脚轮冲压线机械手运动控制研究
下一篇:蜂群算法的研究及其在人工神经网络中的应用