支持向量机模型和算法研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-10页 |
| 1 数据挖掘 | 第10-14页 |
| ·数据挖掘技术 | 第10-11页 |
| ·数据挖掘的起源 | 第10页 |
| ·数据挖掘的概念 | 第10-11页 |
| ·数据挖掘的分类 | 第11-12页 |
| ·数据挖掘的应用和发展前景 | 第12-14页 |
| 2 支持向量机 | 第14-28页 |
| ·支持向量机的理论基础 | 第14-18页 |
| ·机器学习的基本问题 | 第14-16页 |
| ·统计学理论的基本内容 | 第16-17页 |
| ·结构风险最小化 | 第17-18页 |
| ·支持向量机模型 | 第18-25页 |
| ·支持向量机的基本思想 | 第18-20页 |
| ·支持向量机模型 | 第20-25页 |
| ·支持向量机的训练算法 | 第25-28页 |
| 3 分离错误最小化的极大熵方法 | 第28-36页 |
| ·分离错误最小化模型 | 第28-29页 |
| ·极大极小问题与凝聚函数 | 第29-30页 |
| ·模型转化 | 第30-34页 |
| ·算法及分析 | 第34页 |
| ·算例 | 第34-36页 |
| 4 不同损失函数的支持向量机性能比较分析 | 第36-42页 |
| ·不同损失函数的支持向量机 | 第36-37页 |
| ·两类支持向量机的支持向量的分布情况 | 第37-40页 |
| ·对不平衡数据的分类比较 | 第40-42页 |
| 5 对不均衡分类问题的模型改进 | 第42-46页 |
| ·PSVM的分类器原理 | 第42-44页 |
| ·DFP-2PSVM分类器算法 | 第44-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 索引 | 第50-51页 |
| 读硕期间发表、完成论文 | 第51-52页 |
| 致谢 | 第52-54页 |
| 大连理工大学学位论文版权使用授权书 | 第54页 |
