支持向量机模型研究及应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-10页 |
| ·研究背景与意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| 2 支持向量机（SVM）概述 | 第10-18页 |
| ·机器学习的基本问题 | 第10-12页 |
| ·机器学习问题描述 | 第10-11页 |
| ·经验风险最小化介绍 | 第11-12页 |
| ·复杂性与推广能力介绍 | 第12页 |
| ·统计学习理论 | 第12-14页 |
| ·VC 维—介绍 | 第12-13页 |
| ·推广性的界—介绍 | 第13页 |
| ·结构风险最小化介绍 | 第13-14页 |
| ·支持向量机 | 第14-18页 |
| ·广义最优分类面 | 第14-15页 |
| ·支持向量机 | 第15-16页 |
| ·核函数介绍 | 第16-17页 |
| ·SVM 用于拟合 | 第17-18页 |
| 3 概率模糊支持向量机 | 第18-27页 |
| ·引言 | 第18页 |
| ·FSVM | 第18-19页 |
| ·PFSVM 的提出 | 第19-23页 |
| ·训练集的产生 | 第19页 |
| ·PFSVM 模型 | 第19-20页 |
| ·聚类中心和类数的确定 | 第20-21页 |
| ·主体数据与外围点噪声数据的检测 | 第21-22页 |
| ·为每一个数据点分配隶属度和概率值 | 第22-23页 |
| ·数值实验分析 | 第23-27页 |
| ·小结 | 第27页 |
| 4 PFSVM 用于基于内容的图像检索 | 第27-36页 |
| ·引言 | 第27-28页 |
| ·图像检索技术概述 | 第28-29页 |
| ·基于内容图像检索相关技术研究 | 第29-30页 |
| ·颜色特征的提取 | 第29页 |
| ·纹理特征的提取 | 第29-30页 |
| ·SVM 用于基于内容的图像检索的相关性反馈 | 第30页 |
| ·PFSVM 用于图像的相关性反馈 | 第30-35页 |
| ·伪标记样本的提出 | 第30页 |
| ·为伪标记样本确定隶属值和概率值 | 第30-31页 |
| ·PL-PFSVM 算法步骤 | 第31页 |
| ·实验仿真 | 第31-35页 |
| ·小结 | 第35-36页 |
| 5 粗糙支持向量机 | 第36-40页 |
| ·引言 | 第36页 |
| ·粗糙集 | 第36页 |
| ·粗糙支持向量机 | 第36-40页 |
| ·RSVM 理论模型 | 第36-37页 |
| ·分配等价类系数 | 第37页 |
| ·实验设计及结果 | 第37-40页 |
| ·小结 | 第40页 |
| 6 结论 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44-45页 |
| 攻读硕士学位期间撰写和发表的学术论文 | 第45页 |
