首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

支持向量数据描述与支持向量机及其应用

摘要第1-7页
ABSTRACT第7-12页
第一章 绪论第12-18页
   ·研究意义第12-13页
   ·国内外研究现状第13-16页
     ·SVDD 的理论与应用第13-14页
     ·SVM 在fMRI 中的应用第14-15页
     ·矩阵反问题及其最佳逼近问题的某些特殊矩阵解第15-16页
   ·论文的主要工作与论文结构第16-18页
     ·主要工作第16-17页
     ·论文结构第17-18页
第二章 标准的两类支持向量数据描述第18-38页
   ·支持向量数据描述(SVDD)第18-23页
     ·SVDD 的研究现状第18-20页
     ·SVDD 的数学理论第20-22页
     ·进一步的研究内容第22-23页
   ·标准的两类支持向量数据描述(NTC-SVDD)第23-28页
     ·基本思想第23-24页
     ·球形NTC-SVDD第24-27页
     ·超球形NTC-SVDD第27-28页
   ·NTC-SVDD 的参数与误差第28-33页
     ·高斯核和正则化参数第28-30页
     ·支持向量的个数第30-33页
     ·训练样本的数量第33页
   ·NTC-SVDD 在UCI 数据分类中应用第33-37页
     ·实验数据第33-34页
     ·二维仿真结果第34-35页
     ·NTC-SVDD 在UCI 学习数据分类中的应用第35-37页
   ·结论及有待进一步的研究第37-38页
第三章 带负样本的两类支持向量数据描述第38-54页
   ·前言第38-39页
   ·带负样本的两类支持向量数据描述(TC-SVDD)第39-45页
     ·TC-SVDD 的主要思想第39页
     ·TC-SVDD 的数学理论第39-45页
   ·TC-SVDD 的参数讨论与误差估计第45-51页
     ·高斯核和正则化参数第46-48页
     ·TC-SVDD 的误差估计第48-51页
   ·实验结果第51-52页
   ·结论及进一步的研究第52-54页
第四章 广义的密度诱导的支持向量数据描述第54-68页
   ·引言第54-55页
   ·密度诱导的支持向量数据描述(D-SVDD)第55-56页
   ·广义的密度诱导的支持向量数据描述(GD-SVDD)第56-61页
     ·不带负样本的GD-SVDD第56-58页
     ·带负样本的GD-SVDD第58-61页
   ·GD-SVDD 的参数讨论和误差估计第61-64页
     ·高斯核和正则化参数第61-64页
     ·GD-SVDD 的目标误差估计第64页
   ·UCI 数据结果第64-66页
   ·结论和有待进一步研究的问题第66-68页
第五章 支持向量机及其在脑功能成像中的应用第68-81页
   ·支持向量机(SVM)第68-71页
     ·SVM 的数学理论第68-70页
     ·SVM 在功能磁共振成像中的应用现状第70-71页
   ·SVM 在大脑运动区不对称性研究中的应用第71-73页
     ·左右手抓握实验第71-72页
     ·块平均全脑活动向量输入SVM 的结果第72页
     ·单个全脑活动向量输入SVM 的结果第72-73页
   ·改进的时空支持向量机成像方法第73-79页
     ·引言第73-74页
     ·改进的时空支持向量机成像方法第74-77页
     ·改进的时空支持向量机成像方法在fMRI 中的应用第77-79页
   ·结论及有待进一步的研究第79-81页
第六章 矩阵反问题及其最佳逼近问题的R-对称矩阵解和R-反对称矩阵解第81-101页
   ·符号及引理第81-83页
   ·反埃尔米特R-对称矩阵和R-反共轭矩阵的性质第83-88页
     ·反埃尔米特R-对称矩阵的若干性质第83-85页
     ·R-反共轭矩阵的若干性质第85-88页
   ·矩阵反问题及其最佳逼近问题第88-89页
   ·矩阵反问题及其最佳逼近问题的R-对称矩阵解第89-94页
     ·矩阵反问题的R-对称矩阵解第89-92页
     ·最佳逼近问题的R-对称矩阵解第92-94页
   ·矩阵反问题及其最佳逼近问题的R-反对称矩阵解第94-100页
     ·矩阵反问题的R-反对称矩阵解第94-97页
     ·最佳逼近问题的R-反对称矩阵解第97-100页
   ·结论及进一步的研究第100-101页
第七章 全文工作总结与展望第101-104页
   ·工作总结第101-102页
   ·展望第102-104页
致谢第104-105页
参考文献第105-111页
攻博期间取得的研究成果第111-113页

论文共113页,点击 下载论文
上一篇:集成学习理论研究及其在个性化推荐中的应用
下一篇:当代大学生理想观研究