基于支持向量机的算法及其应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7页 |
| ·国内外研究现状 | 第7-9页 |
| ·论文的组织结构 | 第9-11页 |
| 2 支持向量机预备知识 | 第11-20页 |
| ·支持向量机起源和简介 | 第11-12页 |
| ·支持向量分类机 | 第12-15页 |
| ·支持向量回归机 | 第15-17页 |
| ·核函数 | 第17-18页 |
| ·支持向量机的应用 | 第18-19页 |
| ·小结 | 第19-20页 |
| 3 支持向量机核函数选取算法研究 | 第20-28页 |
| ·样本可分性研究 | 第20-23页 |
| ·基于可分性的核函数选取 | 第23-24页 |
| ·实验验证 | 第24-27页 |
| ·数据集选择 | 第24-25页 |
| ·实验过程和结论 | 第25-27页 |
| ·小结 | 第27-28页 |
| 4 基于支持向量机的不平衡样本集分类算法 | 第28-35页 |
| ·样本的不平衡性研究 | 第28-30页 |
| ·不平衡样本集分类性能评价方法 | 第30-31页 |
| ·基于支持向量机的欠采样算法 | 第31-33页 |
| ·传统的处理不平衡样本集的方法 | 第31-32页 |
| ·核函数选择和欠采样结合的方法 | 第32-33页 |
| ·实验过程与结果 | 第33-34页 |
| ·小结 | 第34-35页 |
| 5 基于支持向量回归机的海水参数预测 | 第35-46页 |
| ·研究背景和意义 | 第35-36页 |
| ·预测方法 | 第36-45页 |
| ·数据归一化 | 第36页 |
| ·模型定阶 | 第36-37页 |
| ·变量筛选 | 第37-38页 |
| ·参数选择 | 第38页 |
| ·实验过程与结果 | 第38-45页 |
| ·小结 | 第45-46页 |
| 6 总结与展望 | 第46-47页 |
| ·本文的主要工作 | 第46页 |
| ·进一步的工作 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 读研期间发表的论文 | 第51-52页 |
| 附录一 图目录 | 第52-53页 |
| 附录二 表目录 | 第53-54页 |
