支持向量机在嵌入式控制系统的实现研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·前言 | 第10-11页 |
| ·研究意义及研究现状 | 第11-14页 |
| ·本文主要工作 | 第14-15页 |
| ·论文结构组织 | 第15-16页 |
| 第二章 机器学习和统计学习理论 | 第16-24页 |
| ·机器学习的研究 | 第16-19页 |
| ·机器学习结构 | 第16-17页 |
| ·机器学习问题 | 第17-18页 |
| ·经验风险最小化 | 第18页 |
| ·机器学习的推广能力 | 第18-19页 |
| ·统计学习理论 | 第19-24页 |
| ·学习过程一致性和VC维理论 | 第20-21页 |
| ·推广性的界 | 第21-22页 |
| ·结构风险最小化 | 第22-24页 |
| 第三章 支持向量机 | 第24-36页 |
| ·最优分类超平面 | 第24-26页 |
| ·线性支持向量机 | 第26-28页 |
| ·非线性支持向量机 | 第28-29页 |
| ·回归支持向量机 | 第29-30页 |
| ·核函数 | 第30-32页 |
| ·多类分类支持向量机 | 第32-36页 |
| ·“一对一”多类分类法 | 第33页 |
| ·“一对其余”多类分类法 | 第33-34页 |
| ·有向无环图多分类法 | 第34页 |
| ·决策树多分类法 | 第34-35页 |
| ·纠错编码多分类法 | 第35-36页 |
| 第四章 基于嵌入式控制系统的支持向量机算法 | 第36-51页 |
| ·嵌入式控制系统的SVM实现问题 | 第36-39页 |
| ·嵌入式控制系统的特点 | 第36-37页 |
| ·算法实现的问题 | 第37-39页 |
| ·参数定点化表示 | 第39-46页 |
| ·嵌入式系统中的整型数和定点数 | 第39-41页 |
| ·输入数据的整型优化 | 第41-42页 |
| ·模型参数的整型优化 | 第42-46页 |
| ·训练算法的改进 | 第46-51页 |
| 第五章 算法实现及性能分析 | 第51-56页 |
| ·人工数据多类分类 | 第51-53页 |
| ·手写数字识别 | 第53-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-64页 |
| 详细摘要 | 第64-67页 |
