基于样本几何估计值的支持向量机研究
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第1章 绪论 | 第13-18页 |
| ·本文的研究背景 | 第13-14页 |
| ·数据挖掘的介绍 | 第13-14页 |
| ·数据准备 | 第14页 |
| ·数据挖掘 | 第14页 |
| ·结果分析 | 第14页 |
| ·知识的同化 | 第14页 |
| ·数据挖掘的应用 | 第14-15页 |
| ·分类算法 | 第15页 |
| ·本文的主要研究目的及意义 | 第15-16页 |
| ·本文的主要内容结构 | 第16-18页 |
| 第2章 支持向量机介绍 | 第18-25页 |
| ·支持向量机理论背景 | 第18-19页 |
| ·支持向量机 | 第19-22页 |
| ·支持向量机回归介绍 | 第22-25页 |
| ·ε非敏感损失函数 | 第22-23页 |
| ·二次损失函数 | 第23页 |
| ·Huber 损失函数 | 第23-25页 |
| 第3章 无约束问题算法 | 第25-32页 |
| ·相关无约束问题的概念 | 第25-28页 |
| ·相关收敛性概念 | 第25页 |
| ·无约束问题的下降算法的一般步骤 | 第25-26页 |
| ·步长θ_k 的确定 | 第26-28页 |
| ·无约束问题算法 | 第28-32页 |
| ·最速下降法 | 第28页 |
| ·Newton 法及其修正法 | 第28-29页 |
| ·拟Newton 法——BFGS 法 | 第29-30页 |
| ·求解二次函数极小值问题——共轭梯度法 | 第30-31页 |
| ·非线性共轭梯度法 | 第31-32页 |
| 第4章 支持向量机算法研究与分析 | 第32-45页 |
| ·支持向量机的研究现状 | 第32页 |
| ·各支持向量机算法的介绍及分析 | 第32-44页 |
| ·块算法 | 第32-33页 |
| ·固定工作样本集法 | 第33页 |
| ·序列优化算法 | 第33-35页 |
| ·LSVM 算法 | 第35-37页 |
| ·最小二乘支持向量机算法 | 第37-38页 |
| ·RSVM 算法 | 第38-40页 |
| ·YiqingZhang 罚函数方法 | 第40-42页 |
| ·FVS 方法 | 第42-44页 |
| ·支持向量机的多类分类问题 | 第44-45页 |
| ·一对多 | 第44页 |
| ·一对一 | 第44页 |
| ·其他多类分类方法 | 第44-45页 |
| 第5章 基于样本几何估计值的支持向量机 | 第45-58页 |
| ·引言 | 第45页 |
| ·基于样本点几何性质的研究 | 第45-49页 |
| ·KNN 方法 | 第45-46页 |
| ·马氏距离方法 | 第46-47页 |
| ·k-means 算法 | 第47页 |
| ·KiYoungLee 等人的方法 | 第47-49页 |
| ·基于样本几何估计值的支持向量机 | 第49-53页 |
| ·首先考虑线性可分的情形 | 第50-51页 |
| ·在数据样本非线性可分的情形 | 第51-53页 |
| ·乘子法来求解支持向量机问题 | 第53-54页 |
| ·算法 | 第54-55页 |
| ·实验及分析 | 第55-56页 |
| ·总结 | 第56-58页 |
| 第6章 基于辅助分类策略的支持向量机 | 第58-67页 |
| ·引言 | 第58页 |
| ·基于辅助分类策略的支持向量机 | 第58-63页 |
| ·首先考虑基本问题的情形 | 第60-61页 |
| ·其次考虑支持向量机在非线性情况下的问题 | 第61-63页 |
| ·辅助分类策略 | 第63页 |
| ·用乘子法求解 | 第63页 |
| ·算法 | 第63-64页 |
| ·实验及分析 | 第64-65页 |
| ·总结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录A 攻读硕士期间所发表的学术论文目录 | 第74页 |
