| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 主要研究内容与论文组织结构 | 第11-12页 |
| 1.3.1 主要研究内容 | 第11页 |
| 1.3.2 论文组织结构 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 相关知识 | 第13-17页 |
| 2.1 随机梯度下降(SGD)求解SVM的基本原理 | 第13-16页 |
| 2.1.1 线性支持向量机 | 第13-14页 |
| 2.1.2 核化支持向量机 | 第14-16页 |
| 2.2 本章小结 | 第16-17页 |
| 第3章 改进的随机梯度下降算法优化线性SVM | 第17-29页 |
| 3.1 Adam | 第17-19页 |
| 3.2 Adagrad | 第19页 |
| 3.3 Adadelta | 第19-21页 |
| 3.4 RMSprop | 第21页 |
| 3.5 Momentum | 第21-23页 |
| 3.6 NAG | 第23-24页 |
| 3.7 实验结果 | 第24-28页 |
| 3.8 本章小结 | 第28-29页 |
| 第4章 基于Hadoop的SVM随机梯度下降集成算法 | 第29-36页 |
| 4.1 Hadoop平台简介 | 第29-30页 |
| 4.2 SVM随机梯度下降集成算法在Hadoop平台上的实现 | 第30-31页 |
| 4.3 实验结果 | 第31-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第5章 总结与展望 | 第36-37页 |
| 参考文献 | 第37-40页 |
| 致谢 | 第40-41页 |
| 攻读学位期间取得的科研成果 | 第41页 |
