基于空间几何形态的数据分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-16页 |
| 1.1 研究背景及研究意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国内研究现状 | 第11页 |
| 1.2.2 国外研究现状 | 第11-12页 |
| 1.3 本文创新点及难点 | 第12-13页 |
| 1.3.1 本文创新点 | 第12页 |
| 1.3.2 本文研究难点 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-14页 |
| 1.5 研究思路及框架 | 第14-16页 |
| 第2章 空间高维数据预处理 | 第16-21页 |
| 2.1 空间高维数据降维的必要性 | 第16页 |
| 2.2 数据降维方法对比分析 | 第16-18页 |
| 2.3 主成分分析 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 数据集的临界特征提取 | 第21-27页 |
| 3.1 数据集的空间几何形态分析 | 第21页 |
| 3.2 基于空间几何形态的临界特征提取 | 第21-25页 |
| 3.2.1 单类临界点提取 | 第22-24页 |
| 3.2.2 重叠区域临界点提取 | 第24-25页 |
| 3.3 本章小结 | 第25-27页 |
| 第4章 基于支持向量机的数据分类 | 第27-34页 |
| 4.1 统计学理论基础 | 第27-29页 |
| 4.2 支持向量机分类算法 | 第29-33页 |
| 4.2.1 最大间隔分类法 | 第29-30页 |
| 4.2.2 支持向量机分类模型 | 第30-33页 |
| 4.3 本章小结 | 第33-34页 |
| 第5章 实证分析 | 第34-44页 |
| 5.1 数据可视化 | 第34-36页 |
| 5.2 数据集的空间几何临界点提取 | 第36-38页 |
| 5.3 支持向量机分类 | 第38-42页 |
| 5.4 结论及验证 | 第42-43页 |
| 5.5 本章小结 | 第43-44页 |
| 全文总结 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 攻读学位期间取得学术成果 | 第50页 |
