基于最小二乘支持向量机及粒子群优化的特征选择算法研究

内容提要	第1-7页
第1章 绪论	第7-9页
·研究背景及意义	第7-8页
·本文主要内容	第8-9页
第2章 最小二乘支持向量机	第9-20页
·统计学习理论基础	第9-13页
·统计学习理论	第9-10页
·统计学习理论主要内容	第10-13页
·支持向量机	第13-18页
·线性支持向量机	第13-15页
·非线性支持向量机	第15-18页
·最小二乘支持向量机算法	第18-20页
第3章 粒子群算法及特征选择	第20-25页
·粒子群算法	第20-23页
·产生背景	第20页
·算法基本原理	第20-22页
·离散二进制粒子群算法	第22-23页
·特征选择	第23-25页
·特征选择过程	第23页
·特征选择方法	第23-25页
第4章 基于PSO 与LSSVM 的特征选择算法	第25-30页
·引言	第25-26页
·基于PSO 与LSSVM 的特征选择算法	第26-29页
·粒子的表示	第26页
·群体的初始化	第26页
·粒子的速度更新	第26-27页
·粒子的位置更新	第27页
·粒子的适应度	第27-28页
·分类器的选择	第28页
·算法描述	第28-29页
·数值实验	第29-30页
第5章 结论及展望	第30-31页
参考文献	第31-33页
摘要	第33-35页
ABSTRACT	第35-38页
致谢	第38页