| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 论文研究背景及其意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 支持向量机快速求解方法的研究现状 | 第9-10页 |
| 1.2.2 坐标下降法及其加速技术的研究现状 | 第10-12页 |
| 1.2.3 有序回归支持向量机快速训练方法的研究现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 通过随机次梯度下降加速的序列最小化算法 | 第16-33页 |
| 2.1 引言 | 第16页 |
| 2.2 泛化的SMO算法 | 第16-23页 |
| 2.2.1 泛化的QP问题 | 第16-19页 |
| 2.2.2 泛化的SMO算法 | 第19-21页 |
| 2.2.3 时间复杂度分析 | 第21-23页 |
| 2.3 泛化的SSGD-SMO算法框架 | 第23-28页 |
| 2.3.1 SVMs的SSGD算法 | 第23-24页 |
| 2.3.2 泛化的SSGD-SMO算法框架 | 第24-28页 |
| 2.3.3 算法收敛性分析 | 第28页 |
| 2.4 实验和分析 | 第28-32页 |
| 2.4.1 实验设计 | 第28-29页 |
| 2.4.2 实验实现 | 第29-30页 |
| 2.4.3 数据集 | 第30-32页 |
| 2.4.4 实验结果和讨论 | 第32页 |
| 2.5 小结 | 第32-33页 |
| 第三章 支持向量机的加速异步并行贪婪坐标下降算法 | 第33-53页 |
| 3.1 引言 | 第33页 |
| 3.2 C-SVC的AsyGCD算法回顾 | 第33-36页 |
| 3.2.1 C-SVC问题 | 第33-35页 |
| 3.2.2 AsyGCD算法 | 第35-36页 |
| 3.3 SVMs的加速AsyGCD算法 | 第36-46页 |
| 3.3.1 泛化的SVMs | 第37-38页 |
| 3.3.2 活动集技术 | 第38-42页 |
| 3.3.3 AsyAGCD算法 | 第42-44页 |
| 3.3.4 对比AsyGCD算法 | 第44-46页 |
| 3.4 实验和分析 | 第46-52页 |
| 3.4.1 实验设计 | 第46-47页 |
| 3.4.2 实验实现 | 第47-48页 |
| 3.4.3 数据集 | 第48页 |
| 3.4.4 实验结果和讨论 | 第48-52页 |
| 3.5 小结 | 第52-53页 |
| 第四章 有序回归问题的异步贪婪坐标下降算法 | 第53-68页 |
| 4.1 引言 | 第53页 |
| 4.2 有序回归 | 第53-58页 |
| 4.2.1 Reduction框架 | 第54-55页 |
| 4.2.2 SVOR原始问题 | 第55-58页 |
| 4.2.3 SVOR对偶问题和预测 | 第58页 |
| 4.3 有序回归问题的异步贪婪坐标下降方法 | 第58-62页 |
| 4.3.1 AsySVOR算法 | 第58-60页 |
| 4.3.2 收敛性和时间复杂度分析 | 第60-62页 |
| 4.4 实验和分析 | 第62-67页 |
| 4.4.1 实验设计 | 第62-63页 |
| 4.4.2 实验实现 | 第63-64页 |
| 4.4.3 数据集 | 第64页 |
| 4.4.4 实验结果和讨论 | 第64-67页 |
| 4.5 小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 工作总结 | 第68-69页 |
| 5.2 工作展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |