应用少量标记样本的支持向量机分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·支持向量机理论的发展及研究现状 | 第10-12页 |
| ·支持向量机理论的发展 | 第10-11页 |
| ·支持向量机理论的研究现状 | 第11-12页 |
| ·主动学习理论的发展及研究现状 | 第12-14页 |
| ·主动学习理论的发展 | 第12-13页 |
| ·主动学习理论的研究现状 | 第13-14页 |
| ·聚类算法的研究现状 | 第14页 |
| ·本文主要研究内容及组织结构 | 第14-17页 |
| ·本文的研究内容 | 第14-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第2章 基本理论 | 第17-31页 |
| ·支持向量机原理 | 第17-25页 |
| ·统计学习理论 | 第17-20页 |
| ·线性支持向量机 | 第20-23页 |
| ·非线性支持向量机 | 第23-24页 |
| ·核函数 | 第24-25页 |
| ·主动学习理论 | 第25-28页 |
| ·主动学习思想 | 第25-26页 |
| ·主动学习算法 | 第26-27页 |
| ·标记样本选择策略 | 第27-28页 |
| ·分类精度评价 | 第28-29页 |
| ·正确率 | 第28页 |
| ·Kappa系数 | 第28-29页 |
| ·训练样本规模对分类性能的影响 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 相似度融合的主动支持向量机 | 第31-43页 |
| ·引言 | 第31页 |
| ·主动支持向量机 | 第31-32页 |
| ·相似度融合的主动支持向量机 | 第32-34页 |
| ·相似度度量 | 第32-33页 |
| ·算法的实现步骤 | 第33-34页 |
| ·实验结果与分析 | 第34-41页 |
| ·数据集分类实验 | 第35-37页 |
| ·图像分类实验 | 第37-41页 |
| ·实验结果分析 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第4章 支持向量聚类与分类相结合的算法 | 第43-55页 |
| ·引言 | 第43-44页 |
| ·支持向量聚类算法 | 第44-46页 |
| ·支持向量聚类训练 | 第44-46页 |
| ·聚类分配 | 第46页 |
| ·支持向量聚类参数 | 第46-47页 |
| ·支持向量聚类与分类相结合的算法 | 第47-49页 |
| ·实验分析 | 第49-54页 |
| ·数据集分类实验 | 第49-51页 |
| ·图像分类实验 | 第51-53页 |
| ·实验结果分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| ·全文总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间科研成果 | 第65页 |
