基于支撑向量机的回归方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 机器学习与数据挖掘理论 | 第9-16页 |
| ·机器学习理论 | 第9-11页 |
| ·什么是机器学习 | 第9页 |
| ·机器学习问题的表示 | 第9-11页 |
| ·模式识别 | 第10页 |
| ·回归估计 | 第10-11页 |
| ·概率密度估计 | 第11页 |
| ·数据挖掘理论 | 第11-14页 |
| ·数据挖掘的定义 | 第11-13页 |
| ·数据挖掘中的新方法—支撑向量机 | 第13-14页 |
| ·机器学习和数据挖掘的研究意义 | 第14-15页 |
| ·机器学习的研究意义 | 第14页 |
| ·数据挖掘的研究意义 | 第14-15页 |
| ·论文的研究主题和内容 | 第15-16页 |
| 第二章 数据回归问题 | 第16-23页 |
| ·线性回归问题 | 第16-18页 |
| ·非线性回归问题 | 第18-22页 |
| ·多项式回归 | 第18-19页 |
| ·Logistic回归 | 第19-20页 |
| ·偏最小二乘回归 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第三章 支撑向量机数据回归方法 | 第23-35页 |
| ·支撑向量机数据回归的基本理论 | 第23-26页 |
| ·带ε损失函数支撑向量机数据回归问题 | 第26-29页 |
| ·二次ε不敏感损失函数 | 第27-28页 |
| ·线性ε不敏感损失函数 | 第28-29页 |
| ·其他支撑向量机数据回归方法 | 第29-32页 |
| ·γ支撑向量回归 | 第29页 |
| ·Huber损失支撑向量回归 | 第29-32页 |
| ·关于核 | 第32-34页 |
| ·支撑向量机数据回归研究工作小结 | 第34-35页 |
| 第四章 光滑的支撑向量机数据回归方法 | 第35-51页 |
| ·多项式逼近的一般理论 | 第35-36页 |
| ·二次多项式光滑的支撑向量机数据回归方法 | 第36-40页 |
| ·二次多项式光滑的支撑向量机 | 第36-38页 |
| ·二次多项式光滑函数的性质 | 第38-39页 |
| ·二次多项式光滑模型收敛性分析 | 第39-40页 |
| ·四次多项式光滑的支撑向量机数据回归方法 | 第40-41页 |
| ·三次样条函数光滑的支撑向量机数据回归方法 | 第41-44页 |
| ·数值实验 | 第44-49页 |
| ·最优光滑因子 | 第44-45页 |
| ·算法选取 | 第45-46页 |
| ·数值实验结果 | 第46-47页 |
| ·实验结果分析 | 第47-49页 |
| ·研究工作小结 | 第49-51页 |
| 第五章 结论与展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻硕期间取得的研究成果 | 第56页 |
