首页--社会科学总论论文--统计学论文--统计方法论文

大样本的线性可分支持向量机算法

摘要第3-4页
ABSTRACT第4-5页
1 绪论第8-12页
    1.1 机器学习和分类算法的研究现状第8-9页
    1.2 研究的意义及内容第9-10页
    1.3 论文的组织结构第10-12页
2 分类学习第12-19页
    2.1 分类的理论基础第12-14页
    2.2 常用分类算法第14-18页
        2.2.1 决策树第14-15页
        2.2.2 感知机第15-17页
        2.2.3 支持向量机第17-18页
    2.3 小结第18-19页
3 支持向量机概述及学习算法第19-25页
    3.1 支持向量机理论背景第19-22页
        3.1.1 支持向量机概述第19-21页
        3.1.2 支持向量第21-22页
    3.2 支持向量机的学习策略第22-24页
        3.2.1 线性可分支持向量机第22页
        3.2.2 支持向量机的学习算法——SMO算法第22-24页
    3.3 小结第24-25页
4 线性可分支持向量机的分组算法第25-28页
    4.1 大数据的应用分析第25页
    4.2 支持向量机算法的分类应用分析第25-26页
    4.3 线性可分支持向量机分组算法的分类原理第26页
    4.4 线性可分支持向量机分组算法的具体步骤第26-27页
        4.4.1 随机分组算法第26-27页
        4.4.2 分组训练算法第27页
    4.5 小结第27-28页
5 错分样本数据集的预选算法第28-31页
    5.1 大样本数据集的筛选原理第28-29页
    5.2 错分样本数据集的筛选算法步骤第29-30页
    5.3 小结第30-31页
6 算法检验第31-35页
    6.1 鸢尾花数据检验第31-33页
    6.2 模拟数据检验第33-35页
7 总结与展望第35-36页
    7.1 本文总结第35页
    7.2 展望第35-36页
致谢第36-37页
参考文献第37-40页
附录第40页
    A.作者在攻读硕士学位期间发表的论文目录第40页
    B.作者在攻读学位期间取得的科研成果目录第40页

论文共40页,点击 下载论文
上一篇:团体怀旧治疗在提升社区慢性失能高龄长者主观幸福感中的应用研究
下一篇:纵向数据分析中基于广义估计方程的参数估计及模型选择方法研究