支持向量机并行训练算法与基于遗传算法的参数优化研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景和意义 | 第7页 |
| ·并行支持向量机研究现状 | 第7-9页 |
| ·支持向量机参数优化研究现状 | 第9-11页 |
| ·本文主要工作 | 第11-12页 |
| ·论文主要结构 | 第12-13页 |
| 第二章 支持向量机及其训练算法 | 第13-22页 |
| ·支持向量机理论概述 | 第13-16页 |
| ·线性可分SVM | 第13-15页 |
| ·非线性可分SVM | 第15-16页 |
| ·支持向量机典型训练算法 | 第16-21页 |
| ·SMO算法 | 第17-18页 |
| ·SVM~(light)算法 | 第18-19页 |
| ·LIBSVM算法 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 多核并行计算 | 第22-33页 |
| ·多核并行理论概述 | 第22-26页 |
| ·多线程技术 | 第23页 |
| ·加速比 | 第23-26页 |
| ·多核并行模型 | 第26-30页 |
| ·数据分解模型 | 第26-27页 |
| ·分治模型 | 第27-28页 |
| ·流水线模型 | 第28-29页 |
| ·任务并行模型 | 第29-30页 |
| ·多核并行实现工具 | 第30-32页 |
| ·OpenMP | 第30-31页 |
| ·Intel线程构建模块 | 第31页 |
| ·Intel并行函数库 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 支持向量机并行训练算法 | 第33-43页 |
| ·可并行性分析 | 第33-35页 |
| ·构建并行计算模型 | 第35-39页 |
| ·点积矩阵并行计算模型 | 第35-36页 |
| ·核矩阵并行计算模型 | 第36-37页 |
| ·梯度更新并行计算模型 | 第37页 |
| ·选择样本并行计算模型 | 第37-39页 |
| ·并行算法的实现与实验 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于遗传算法的参数优化方法 | 第43-57页 |
| ·遗传算法概述 | 第43-50页 |
| ·基于遗传算法的SVM参数优化 | 第50-54页 |
| ·实验结果与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的研究成果 | 第62页 |
