简化多核支持向量机的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-18页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 支持向量机的研究 | 第13-14页 |
| 1.2.2 多核支持向量机的研究 | 第14-15页 |
| 1.3 问题的提出及研究意义 | 第15-16页 |
| 1.4 论文主要工作 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 支持向量机 | 第18-23页 |
| 2.1 支持向量机理论基础 | 第18页 |
| 2.2 支持向量机原理 | 第18-20页 |
| 2.3 线性不可分与核函数 | 第20-22页 |
| 2.4 支持向量机存在问题 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 多核支持向量机 | 第23-36页 |
| 3.1 多核学习的发展背景 | 第23-24页 |
| 3.2 多核支持向量机及其形式 | 第24-25页 |
| 3.3 多核支持向量机的合成核方法 | 第25-27页 |
| 3.3.1 组合核函数的形式 | 第26页 |
| 3.3.2 组合核函数权系数的学习方式 | 第26-27页 |
| 3.4 多核支持向量机算法 | 第27-34页 |
| 3.4.1 基本多核支持向量机算法 | 第27页 |
| 3.4.2 固定规则多核支持向量机算法 | 第27-28页 |
| 3.4.3 核度量多核支持向量机算法 | 第28-30页 |
| 3.4.4 一般化多核支持向量机算法 | 第30-31页 |
| 3.4.5 简单多核支持向量机算法 | 第31-32页 |
| 3.4.6 分组Lasso多核学习算法 | 第32-33页 |
| 3.4.7 非线性多核学习算法 | 第33-34页 |
| 3.5 多核支持向量机的效率问题 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 4 基于协同聚类的简化多核支持向量机 | 第36-56页 |
| 4.1 聚类算法 | 第36-37页 |
| 4.1.1 聚类分析及相关概念 | 第36-37页 |
| 4.1.2 k-means聚类算法 | 第37页 |
| 4.2 协同聚类 | 第37-42页 |
| 4.2.1 协同聚类算法的背景 | 第37-39页 |
| 4.2.2 协同聚类算法思想 | 第39-42页 |
| 4.3 基于协同聚类的简化多核支持向量机 | 第42-43页 |
| 4.4 基本MKL算法实验验证 | 第43-45页 |
| 4.5 多种改进MKL算法实验验证 | 第45-55页 |
| 4.5.1 Pendigits数据集实验 | 第46-51页 |
| 4.5.2 mfeat数据集实验 | 第51-55页 |
| 4.6 本章小结 | 第55-56页 |
| 5 简化多类多核支持向量机 | 第56-64页 |
| 5.1 支持向量机处理多类问题 | 第56-57页 |
| 5.2 简化多类多核支持向量机 | 第57-59页 |
| 5.3 实验验证 | 第59-63页 |
| 5.4 本章小结 | 第63-64页 |
| 6 结论 | 第64-66页 |
| 6.1 研究工作总结 | 第64页 |
| 6.2 研究评价 | 第64-65页 |
| 6.3 进一步研究的考虑 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |
