主动支持向量机的研究与应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·主动学习研究现状 | 第7-8页 |
| ·支持向量机研究现状 | 第8-9页 |
| ·主动学习和支持向量机结合研究的意义 | 第9-10页 |
| ·本文的主要研究内容 | 第10-11页 |
| ·本文的章节安排 | 第11-12页 |
| 第二章 支持向量机理论及主动支持向量机 | 第12-24页 |
| ·统计学习理论 | 第12-16页 |
| ·VC 维 | 第12-14页 |
| ·结构风险最小化 | 第14-15页 |
| ·最优超平面 | 第15-16页 |
| ·支持向量机基本原理 | 第16-22页 |
| ·线性支持向量机 | 第17-18页 |
| ·非线性支持向量机 | 第18-20页 |
| ·SVM 分类器参数选择 | 第20-21页 |
| ·支持向量机中QP 和多类分类问题 | 第21-22页 |
| ·主动学习以及主动支持向量机基本原理 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于距离的主动支持向量机算法 | 第24-30页 |
| ·随机的被动学习的支持向量机(RPSVM) | 第24页 |
| ·基于距离的主动支持向量机(DASVM) | 第24-26页 |
| ·实验结果与分析 | 第26-29页 |
| ·本章小节 | 第29-30页 |
| 第四章 一种改进的主动支持向量机算法及其应用 | 第30-39页 |
| ·K-means 算法 | 第30-32页 |
| ·改进的主动支持向量机(IASVM)算法 | 第32-34页 |
| ·聚类判别法 | 第32页 |
| ·改进的ASVM 算法(IASVM)基本思想 | 第32-33页 |
| ·改进的ASVM 算法(IASVM) | 第33-34页 |
| ·实验与讨论 | 第34-38页 |
| ·本章小节 | 第38-39页 |
| 第五章 一种改进的基于概率的主动支持向量机算法 | 第39-49页 |
| ·改进的基于概率的ASVM 算法思想 | 第39-41页 |
| ·样本的概率P( x) | 第39-40页 |
| ·计算支持向量集的置信因子 | 第40-41页 |
| ·改进的基于概率的ASVM 算法步骤 | 第41-42页 |
| ·实验与讨论 | 第42-47页 |
| ·结论 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·本文工作总结 | 第49页 |
| ·今后工作展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第55页 |
