基于类电磁机制算法的SVM决策树多分类策略研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·SVM 多分类策略 | 第9-10页 |
| ·类电磁机制算法 | 第10-11页 |
| ·本文工作 | 第11-13页 |
| ·内容安排 | 第13-14页 |
| 第二章 类电磁机制算法及支持向量机概述 | 第14-30页 |
| ·类电磁机制算法思想 | 第14页 |
| ·类电磁机制算法原理 | 第14-17页 |
| ·电磁场原理 | 第15-16页 |
| ·类电磁机制算法优化机制 | 第16-17页 |
| ·类电磁机制算法流程 | 第17-24页 |
| ·初始化 | 第18-19页 |
| ·局部搜索 | 第19-21页 |
| ·电荷量及力的计算 | 第21-23页 |
| ·粒子移动 | 第23-24页 |
| ·支持向量机概述 | 第24-29页 |
| ·线性可分情形 | 第24-25页 |
| ·线性不可分情形 | 第25-27页 |
| ·分离曲面 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第三章 EMDT-SVM 算法设计 | 第30-44页 |
| ·SVM 多分类策略 | 第30-35页 |
| ·1-a-r 算法 | 第30-31页 |
| ·1-a-1 算法 | 第31-32页 |
| ·DAG-SVM 算法 | 第32-33页 |
| ·DT-SVM 算法 | 第33-34页 |
| ·GADT-SVM 算法 | 第34-35页 |
| ·SVM 多分类算法总结 | 第35页 |
| ·类电磁机制算法的改进 | 第35-40页 |
| ·粒子的编码策略的设计 | 第36-38页 |
| ·目标函数的确定 | 第38-39页 |
| ·局部搜索 | 第39页 |
| ·电荷量的计算 | 第39页 |
| ·粒子的更新 | 第39-40页 |
| ·基于 EM 机制的最优决策树生成算法 | 第40-41页 |
| ·决策树生成 | 第40-41页 |
| ·基于 EM 机制的最优决策树生成算法设计 | 第41页 |
| ·EMDT-SVM 算法分析 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第四章 算法的对比分析与仿真 | 第44-54页 |
| ·算法分析 | 第44-46页 |
| ·算法复杂程度分析 | 第44-45页 |
| ·训练时间分析 | 第45-46页 |
| ·算法仿真 | 第46-52页 |
| ·生成的决策树结构 | 第46-49页 |
| ·分类精度的比较 | 第49页 |
| ·训练时间的比较 | 第49-51页 |
| ·#SVM 和#SV 的比较 | 第51-52页 |
| ·小结 | 第52-54页 |
| 第五章 结束语 | 第54-58页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 研究成果 | 第64-66页 |
