样例权重估计及在此基础上的SVM
| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-28页 |
| ·研究背景与意义 | 第10-11页 |
| ·SVM 学习与样例权重估计概述 | 第11-21页 |
| ·SVM 原理 | 第11-16页 |
| ·样例权重估计简介 | 第16-21页 |
| ·研究现状与关键问题 | 第21-26页 |
| ·研究现状 | 第21-24页 |
| ·关键问题分析 | 第24-26页 |
| ·本文的研究工作及内容安排 | 第26-28页 |
| 第二章 基于零间隔分类面的样例权重估计方法 | 第28-48页 |
| ·零间隔分类面 | 第28-34页 |
| ·基于零间隔分类面的样例权重估计实现 | 第34-38页 |
| ·实验结果与分析 | 第38-46页 |
| ·模拟数据实验 | 第39-43页 |
| ·真实数据实验 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第三章 基于权重估计界定准支持向量的增量 SVM | 第48-64页 |
| ·增量学习标准简介 | 第48-52页 |
| ·准支持向量界定 | 第52-54页 |
| ·算法实现 | 第54-56页 |
| ·实验结果与分析 | 第56-62页 |
| ·真实数据实验 | 第56-58页 |
| ·参数对分类性能的影响实验 | 第58-62页 |
| ·本章小结 | 第62-64页 |
| 第四章 基于权重估计识别离群样例的 FSVM | 第64-78页 |
| ·FSVM 简介 | 第64-68页 |
| ·新型 FSVM 实现 | 第68-70页 |
| ·实验结果与分析 | 第70-76页 |
| ·模拟数据实验 | 第72-73页 |
| ·真实数据实验 | 第73-74页 |
| ·参数对分类性能影响实验 | 第74-76页 |
| ·本章小结 | 第76-78页 |
| 第五章 基于权重水平浮动的 FSVM | 第78-86页 |
| ·基于浮动型模糊权重的 FSVM 构造 | 第78-80页 |
| ·实验结果与分析 | 第80-84页 |
| ·真实数据实验 | 第80-83页 |
| ·参数对分类性能的影响实验 | 第83-84页 |
| ·本章小结 | 第84-86页 |
| 第六章 总结与展望 | 第86-90页 |
| ·本文的主要研究成果 | 第86-87页 |
| ·后续工作与展望 | 第87-90页 |
| 致谢 | 第90-92页 |
| 参考文献 | 第92-104页 |
| 攻读博士学位期间的研究成果 | 第104-105页 |
| 学术论文 | 第104页 |
| 参加研究的科研项目 | 第104-105页 |
