支持向量机的特征选择和模糊支持向量机上的研究
摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第8-14页 |
1.1 研究背景与意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-11页 |
1.3 研究内容与目标 | 第11-12页 |
1.4 论文的组织结构 | 第12-14页 |
第2章 支持向量机的相关理论及常用模型 | 第14-22页 |
2.1 线性支持向量机 | 第14-15页 |
2.2 非线性支持向量机 | 第15-18页 |
2.3 模糊支持向量机 | 第18-19页 |
2.4 统计学习理论 | 第19-20页 |
2.5 本章小结 | 第20-22页 |
第3章 新的特征选择方法 | 第22-34页 |
3.1 基本思路 | 第22页 |
3.2 筛选标准 | 第22-23页 |
3.3 向前方法具体过程 | 第23-25页 |
3.4 向后方法具体过程 | 第25-26页 |
3.5 综合阐述 | 第26-27页 |
3.6 数值实验 | 第27-32页 |
3.6.1 实验设计 | 第27-28页 |
3.6.2 向前方法实验结果 | 第28-31页 |
3.6.3 向后方法实验结果 | 第31-32页 |
3.6.4 参数分析 | 第32页 |
3.7 本章小结 | 第32-34页 |
第4章 一种新的模糊支持向量机隶属度的表达式 | 第34-42页 |
4.1 标准模糊支持向量机 | 第34页 |
4.2 隶属度的选取 | 第34-38页 |
4.2.1 线性核函数下隶属度的选取 | 第34-36页 |
4.2.2 非线性核函数下隶属度的选取 | 第36-38页 |
4.3 数值实验 | 第38-40页 |
4.3.1 实验设计 | 第38-39页 |
4.3.2 实验结果 | 第39-40页 |
4.4 本章小结 | 第40-42页 |
结论 | 第42-44页 |
参考文献 | 第44-48页 |
致谢 | 第48页 |