支持向量机多类分类方法的研究
| 第1章 绪论 | 第1-14页 |
| ·引言 | 第10-11页 |
| ·支持向量机研究现状 | 第11-13页 |
| ·支持向量机理论研究 | 第11页 |
| ·支持向量机训练算法 | 第11-12页 |
| ·支持向量机研究热点 | 第12-13页 |
| ·本文的主要内容 | 第13-14页 |
| 第2章 统计学习理论概述 | 第14-25页 |
| ·背景机器学习的基本问题 | 第14-16页 |
| ·经验风险最小化原理 | 第16页 |
| ·VC维 | 第16-17页 |
| ·学习过程的一致性 | 第17-20页 |
| ·学习过程一致性的经典定义 | 第17-18页 |
| ·学习理论的重要定理 | 第18页 |
| ·VC熵 | 第18-20页 |
| ·推广性的界 | 第20页 |
| ·结构风险最小化 | 第20-23页 |
| ·本章小结 | 第23-25页 |
| 第3章 支持向量机 | 第25-38页 |
| ·最优分类超平面的结构 | 第25-27页 |
| ·线性支持向量机 | 第27-28页 |
| ·非线性支持向量机 | 第28-30页 |
| ·核函数及选择 | 第30-31页 |
| ·支持向量机的例子 | 第31-33页 |
| ·多项式学习机器 | 第31-32页 |
| ·径向基函数学习机器 | 第32页 |
| ·其它 | 第32-33页 |
| ·支持向量机的应用 | 第33-36页 |
| ·人脸检测、验证和识别 | 第34页 |
| ·文字/手写体识别 | 第34-35页 |
| ·其它应用研究 | 第35-36页 |
| ·需要解决的问题和进一步的研究方向 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第4章 支持向量机分类问题 | 第38-47页 |
| ·停机准则 | 第38-40页 |
| ·求解大型问题的算法 | 第40-42页 |
| ·选块算法 | 第40-41页 |
| ·分解算法 | 第41-42页 |
| ·其它算法 | 第42页 |
| ·多类分类问题 | 第42-46页 |
| ·多类分类问题的数学表述 | 第42-43页 |
| ·一对多 | 第43-44页 |
| ·一对一 | 第44页 |
| ·决策导向非循环图支持向量机 | 第44页 |
| ·纠错输入编码 | 第44-45页 |
| ·确定多类目标函数 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于序列最小优化并行多分类支持向量机 | 第47-59页 |
| ·现有支持向量机多类分类方法存在的问题 | 第47-48页 |
| ·基于序列最小优化并行多分类支持向量机 | 第48-56页 |
| ·构造决策树 | 第48-53页 |
| ·基于序列最小优化算法的并行训练 | 第53-55页 |
| ·并行决策 | 第55-56页 |
| ·实验结果与分析 | 第56-58页 |
| ·实验及结果 | 第56-57页 |
| ·分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间所发表的论文和取得的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
