支持向量机核函数的研究

摘要	第1-4页
Abstract	第4-7页
第一章 绪论	第7-13页
·课题研究背景和意义	第7页
·统计学习理论简介	第7-9页
·VC 维	第8-9页
·结构风险最小化	第9页
·支持向量机	第9-10页
·支持向量机的概述	第9-10页
·支持向量机方法及其优点	第10页
·本文的主要工作及内容安排	第10-13页
·本文的主要工作	第10-11页
·本文的主要内容安排	第11-13页
第二章 支持向量机的核函数	第13-27页
·支持向量机理论	第13-21页
·线性可分支持向量分类机	第17-19页
·线性不可分支持向量分类机	第19-20页
·非线性支持向量分类机	第20-21页
·支持向量机中的核函数	第21-26页
·核函数的研究现状	第21-22页
·核函数的基本理论和性质	第22-26页
·本章小结	第26-27页
第三章 高斯核函数与傅立叶核函数	第27-35页
·高斯核函数的性质	第27-29页
·可分性	第27-28页
·局部性	第28-29页
·高斯核函数的参数选择	第29-32页
·高斯核半径 的选择	第29-31页
·惩罚系数 C 的选择	第31-32页
·Fourier 核函数的性质	第32-34页
·周期性	第33-34页
·KKT 条件的性质	第34页
·本章小结	第34-35页
第四章 组合核函数支持向量机	第35-49页
·旋转不变核及平移不变核	第35-36页
·局部核函数	第36页
·全局核函数	第36-37页
·组合核函数	第37-44页
·组合核函数的发展	第37-39页
·构造新的核函数的方法	第39-41页
·改进的傅立叶核函数	第41-42页
·第一种新的组合核函数	第42-43页
·第二种新的组合核函数	第43-44页
·实验结果及分析	第44-47页
·本章小结	第47-49页
结束语	第49-51页
致谢	第51-53页
参考文献	第53-57页
在读期间研究成果	第57-58页