凸壳顶点集在支持向量分类机中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7-9页 |
| ·支持向量机的基本思想和优点 | 第7页 |
| ·支持向量机的研究状况 | 第7-8页 |
| ·论文论题的提出 | 第8-9页 |
| ·论文组织结构和研究内容 | 第9-11页 |
| ·论文组织结构 | 第9-10页 |
| ·论文研究内容 | 第10-11页 |
| 第二章 支持向量机理论概述 | 第11-26页 |
| ·统计学习理论概要 | 第11-16页 |
| ·机器学习的经验风险 | 第11-13页 |
| ·VC维和学习机的推广能力 | 第13-15页 |
| ·结构风险最小化原则 | 第15-16页 |
| ·核函数特征空间 | 第16-18页 |
| ·核函数的性质 | 第17-18页 |
| ·常用核函数 | 第18页 |
| ·支持向量分类机 | 第18-26页 |
| ·线性可分和最大间隔原则 | 第18-21页 |
| ·线性不可分问题的两种处理方法 | 第21-24页 |
| ·支持向量分类机算法 | 第24-26页 |
| 第三章 关于凸壳的相关理论 | 第26-29页 |
| ·凸问题相关概念的定义 | 第26-27页 |
| ·凸壳和凸多面体 | 第26-27页 |
| ·不等式组的择一定理 | 第27页 |
| ·求凸壳顶点的研究状况 | 第27-29页 |
| 第四章 一种求凸壳顶点集的算法 | 第29-48页 |
| ·凸壳顶点的一种定义 | 第29-33页 |
| ·一种求凸壳顶点集的算法 | 第33-42页 |
| ·算法描述 | 第33-34页 |
| ·关键问题 | 第34-40页 |
| ·算法验证 | 第40-42页 |
| ·算法在核函数特征空间中的扩展 | 第42-47页 |
| ·理论推导 | 第42-46页 |
| ·实验验证和分析 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第五章 凸壳顶点集训练SVC的性能分析 | 第48-58页 |
| ·基于凸壳顶点集的SVC性能 | 第48-53页 |
| ·SVC学习性能分析 | 第49-51页 |
| ·SVC推广性能分析 | 第51-53页 |
| ·基于凸壳顶点集的二类可分性判据 | 第53-55页 |
| ·二类可分性 | 第53-54页 |
| ·可分核函数的参数选择 | 第54-55页 |
| ·测试程序的操作界面示例 | 第55-57页 |
| ·小结 | 第57-58页 |
| 第六章 总结，思考和展望 | 第58-60页 |
| ·工作总结 | 第58-59页 |
| ·下一步的工作和思考 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62页 |
