粒度支持向量机学习方法研究

中文摘要	第1-7页
Abstract	第7-9页
第一章 引言	第9-13页
·研究背景	第9-10页
·国内外研究现状	第10-12页
·论文的主要工作	第12-13页
第二章 预备知识	第13-19页
·支持向量机	第13-16页
·支持向量机简介	第13-15页
·核映射	第15-16页
·粒度计算	第16-18页
·粒度计算定义	第16-17页
·粒度计算的基本问题	第17页
·主要的粒度框架模型及研究现状	第17-18页
·本章小结	第18-19页
第三章 粒度支持向量机学习方法	第19-27页
·粒度支持向量机的问题表示	第19页
·粒度核函数的构造方法	第19-20页
·基于高斯粒度核的SVM训练算法(GKSVM)	第20-21页
·实验结果与相关分析	第21-26页
·本章小结	第26-27页
第四章 基于指数相似度的粒度支持向量机学习算法	第27-35页
·指数相似度	第27页
·粒度支持向量机训练算法	第27-29页
·实验结果与相关分析	第29-33页
·训练代价分析	第30-32页
·粒度的选择	第32-33页
·本章小结	第33-35页
第五章 结论与展望	第35-37页
参考文献	第37-43页
致谢	第43-44页
发表论文情况	第44-45页
个人简况	第45-46页