基于样本约简的支持向量机
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 支持向量机的研究背景 | 第9-10页 |
| 1.2 支持向量机的研究现状 | 第10-12页 |
| 1.2.1 加快支持向量机学习速度研究 | 第10页 |
| 1.2.2 核函数问题 | 第10-11页 |
| 1.2.3 多类支持向量机研究 | 第11-12页 |
| 1.3 本文的主要内容 | 第12-15页 |
| 第2章 支持向量机 | 第15-23页 |
| 2.1 最优超平面 | 第15页 |
| 2.2 支持向量分类机 | 第15-21页 |
| 2.2.1 线性可分支持向量分类机 | 第16-17页 |
| 2.2.2 线性不可分支持向量分类机 | 第17-19页 |
| 2.2.3 非线性可分支持向量分类机 | 第19-21页 |
| 2.3 支持向量 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 加快支持向量机学习速度的方法 | 第23-29页 |
| 3.1 加速支持向量机学习的算法 | 第23-24页 |
| 3.2 样本约简方法研究 | 第24-27页 |
| 3.2.1 用于SVM的样本约简方法 | 第25-26页 |
| 3.2.2 用于SVDD的样本约简方法 | 第26-27页 |
| 3.3 本章小结 | 第27-29页 |
| 第4章 基于样本约简的支持向量机 | 第29-39页 |
| 4.1 ONE-CLASS 支持向量机 | 第29-33页 |
| 4.1.1 TAX和DUIN版本 | 第29-32页 |
| 4.1.2 SCH(O|¨)LKOPF版本 | 第32-33页 |
| 4.2 向量空间中的内积 | 第33-35页 |
| 4.3 基于样本约简的支持向量机 | 第35-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 实验分析 | 第39-45页 |
| 5.1 LIBSVM | 第39页 |
| 5.2 实验对比分析 | 第39-43页 |
| 5.3 本章小结 | 第43-45页 |
| 第6章 结论与展望 | 第45-47页 |
| 6.1 结论 | 第45页 |
| 6.2 展望 | 第45-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49-51页 |
| 攻读硕士学位期间撰写的论文 | 第51页 |
