引入结构信息的模糊支持向量机算法研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 国内外研究现状及分析 | 第12-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 1.4 论文组织 | 第16-17页 |
| 第2章 相关知识 | 第17-26页 |
| 2.1 统计学习理论 | 第17-18页 |
| 2.1.1 机器学习 | 第17页 |
| 2.1.2 VC维 | 第17-18页 |
| 2.1.3 结构风险最小化 | 第18页 |
| 2.2 支持向量机 | 第18-21页 |
| 2.2.1 线性情况 | 第18-19页 |
| 2.2.2 非线性情况 | 第19-20页 |
| 2.2.3 v-SVM | 第20-21页 |
| 2.3 模糊支持向量机 | 第21-22页 |
| 2.4 模糊隶属度的确定 | 第22-25页 |
| 2.4.1 类中心法 | 第22页 |
| 2.4.2 基于核的类中心法 | 第22-23页 |
| 2.4.3 模糊C均值算法 | 第23-24页 |
| 2.4.4 模糊核C均值算法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 结构模糊支持向量机 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 结构正则支持向量机 | 第26-27页 |
| 3.3 结构孪生支持向量机 | 第27-29页 |
| 3.4 结构模糊支持向量机 | 第29-32页 |
| 3.4.1 线性情况 | 第29-30页 |
| 3.4.2 非线性情况 | 第30-32页 |
| 3.5 结构v-模糊支持向量机 | 第32-35页 |
| 3.5.1 线性情况 | 第32-34页 |
| 3.5.2 非线性情况 | 第34-35页 |
| 3.6 结构信息的获取方法 | 第35-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第4章 具有参数间隔的结构模糊支持向量机 | 第38-47页 |
| 4.1 参数间隔支持向量机 | 第38-40页 |
| 4.1.1 参数间隔支持向量机模型 | 第38-39页 |
| 4.1.2 参数间隔支持向量机算法 | 第39-40页 |
| 4.2 孪生参数间隔支持向量机 | 第40-42页 |
| 4.2.1 孪生参数间隔支持向量机模型 | 第40-41页 |
| 4.2.2 孪生参数间隔支持向量机算法 | 第41-42页 |
| 4.3 具有参数间隔的结构模糊支持向量机 | 第42-46页 |
| 4.3.1 线性情况 | 第42-44页 |
| 4.3.2 非线性情况 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 实验结果及分析 | 第47-60页 |
| 5.1 抽样及分类器性能评价指标 | 第47-48页 |
| 5.1.1 抽样方法 | 第47-48页 |
| 5.1.2 分类器的性能评价指标 | 第48页 |
| 5.2 实验数据集及实验方法 | 第48-49页 |
| 5.3 结构模糊支持向量机实验 | 第49-52页 |
| 5.4 结构v-模糊支持向量机实验 | 第52-55页 |
| 5.5 具有参数间隔的结构模糊支持向量机实验 | 第55-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 本文总结 | 第60-61页 |
| 6.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间取得的科研成果 | 第66页 |
