修正的LARS及其在稀疏SVM中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.2.1 稀疏LSSVM的研究现状 | 第15-16页 |
| 1.2.2 最小角回归的研究现状 | 第16-18页 |
| 1.3 本文的研究内容与结构安排 | 第18-20页 |
| 1.3.1 本文的研究内容 | 第18页 |
| 1.3.2 本文的结构安排 | 第18-20页 |
| 第二章 理论背景 | 第20-28页 |
| 2.1 支持向量机 | 第20-21页 |
| 2.2 最小二乘支持向量机 | 第21-22页 |
| 2.3 最小角回归 | 第22-28页 |
| 2.3.1 Lasso问题 | 第22-23页 |
| 2.3.2 最小角回归的介绍 | 第23-26页 |
| 2.3.3 LARS-EN | 第26-28页 |
| 第三章 修正的最小角回归在稀疏LSSVM中的应用 | 第28-42页 |
| 3.1 原空间中的LSSVM | 第28-30页 |
| 3.2 修正的最小角回归 | 第30-36页 |
| 3.2.1 原方法的问题 | 第30-32页 |
| 3.2.2 修正的最小角回归 | 第32-34页 |
| 3.2.3 人工合成的数据实验 | 第34-36页 |
| 3.3 RLARS在稀疏LSSVM中的应用 | 第36-37页 |
| 3.4 数值实验 | 第37-41页 |
| 3.4.1 线性分类 | 第37-38页 |
| 3.4.2 非线性分类 | 第38-41页 |
| 3.5 结论 | 第41-42页 |
| 第四章 秩一修正在稀疏LSSVM中的应用 | 第42-58页 |
| 4.1 D-LSSVM | 第42页 |
| 4.2 ROR的提出 | 第42-48页 |
| 4.2.1 ROR算法 | 第43-44页 |
| 4.2.2 ROR的性质 | 第44-46页 |
| 4.2.3 ROR与LARS的比较 | 第46-48页 |
| 4.3 ROR在稀疏LSSVM中的应用 | 第48-49页 |
| 4.4 仿真与分析 | 第49-57页 |
| 4.4.1 线性分类 | 第49页 |
| 4.4.2 非线性分类 | 第49-57页 |
| 4.5 结论 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 全文总结 | 第58-59页 |
| 5.2 全文展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
