首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

半监督支持向量机学习方法研究

中文摘要第1-9页
ABSTRACT第9-11页
第一章 引言第11-15页
   ·研究背景第11页
   ·国内外研究现状第11-13页
   ·论文的主要工作第13-15页
第二章 背景知识第15-21页
   ·支持向量机简介第15-16页
     ·支持向量分类机与回归机第15-16页
     ·核映射第16页
   ·半监督学习方法第16-20页
     ·半监督学习方法第17-19页
     ·经典的半监督协同训练方法第19-20页
   ·本章小节第20-21页
第三章 基于差异性度量的协同回归支持向量机学习方法第21-27页
   ·基于差异性度量的Co-SVR学习方法第21-23页
     ·Co-SVR学习方法第21-23页
     ·Co-SVR算法第23页
   ·学习器差异性度量方法第23-25页
   ·本章小节第25-27页
第四章 实验结果与分析第27-47页
   ·实验数据集说明及参数设置第27-30页
     ·数据集说明第27页
     ·学习器参数设置第27-28页
     ·误差评测指标第28-30页
   ·学习器差异性对泛化能力的影响第30-37页
     ·Co-SVR算法与SVR的实验结果比较第30页
     ·学习器差异性变化比较第30-37页
     ·在真实数据集上学习器差异性对泛化能力的影响第37页
   ·学习器差异性对协同训练效率的影响第37-46页
     ·协同训练次数对Co-SVR泛化能力的影响第37-38页
     ·协同训练次数与异质学习器差异性的关系第38-46页
   ·本章小结第46-47页
第五章 结论和展望第47-49页
参考文献第49-53页
致谢第53-54页
发表文章目录第54-55页
个人简况及联系方式第55-57页

论文共57页,点击 下载论文
上一篇:一类非线性系统的故障检测与容错控制
下一篇:粗糙集的知识获取方法研究