混合核支持向量机参数优化及其应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究的背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文所做的工作 | 第12-13页 |
| ·本文的内容组织 | 第13-14页 |
| 第二章 支持向量机理论 | 第14-26页 |
| ·统计模式识别问题 | 第14-16页 |
| ·机器学习原理 | 第14-15页 |
| ·VC 维 | 第15页 |
| ·推广性的界与结构风险最小 | 第15-16页 |
| ·支持向量机原理 | 第16-22页 |
| ·线性与广义线性判别函数 | 第17-18页 |
| ·最优分类面与广义最优分类面 | 第18-21页 |
| ·高维空间的最优分类面 | 第21页 |
| ·支持向量机 | 第21-22页 |
| ·支持向量机核函数 | 第22-23页 |
| ·常用核函数 | 第22页 |
| ·混合核函数 | 第22-23页 |
| ·混合核支持向量机参数分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于动量粒子群的混合核 SVM 参数优化 | 第26-35页 |
| ·基本粒子群算法 | 第26-28页 |
| ·基本原理 | 第26-27页 |
| ·算法描述 | 第27页 |
| ·算法流程 | 第27-28页 |
| ·动量粒子群算法 | 第28-29页 |
| ·粒子群算法的优缺点分析 | 第28-29页 |
| ·动量粒子群算法描述 | 第29页 |
| ·混合核SVM 参数优化 | 第29-34页 |
| ·SVM 性能指标的选取 | 第29-30页 |
| ·算法流程 | 第30-32页 |
| ·仿真实验及结果分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 改进的遗传算法优化混合核 SVM 参数 | 第35-47页 |
| ·基本遗传算法 | 第35-39页 |
| ·基本思想 | 第35页 |
| ·基本操作 | 第35-38页 |
| ·算法流程 | 第38-39页 |
| ·改进的遗传算法 | 第39-41页 |
| ·遗传算法的优缺点分析 | 第39页 |
| ·混沌理论 | 第39-40页 |
| ·改进的遗传算法描述 | 第40-41页 |
| ·混合核SVM 参数优化 | 第41-43页 |
| ·SVM 性能指标的选取 | 第41页 |
| ·混沌初始化算法 | 第41-42页 |
| ·算法流程 | 第42-43页 |
| ·仿真实验与结果分析 | 第43-45页 |
| ·UCI 数据集分类 | 第43-45页 |
| ·车辆前方障碍物识别 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·总结 | 第47页 |
| ·展望 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 附录 （攻读硕士学位期间发表录用论文） | 第55-56页 |
| 详细摘要 | 第56-64页 |
