一种支持向量机参数选择方法的研究及应用
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 课题研究的背景与意义 | 第11-12页 |
1.2 课题的国内外研究现状 | 第12-15页 |
1.3 本文研究内容及内容结构 | 第15-17页 |
第二章 统计学习理论和支持向量机理论 | 第17-27页 |
2.1 统计学习理论 | 第17-20页 |
2.1.1 经验风险最小化 | 第17-18页 |
2.1.2 复杂性和泛化能力 | 第18页 |
2.1.3 VC维概念 | 第18-19页 |
2.1.4 结构风险最小化 | 第19-20页 |
2.2 支持向量机 | 第20-25页 |
2.2.1 最优分类超平面 | 第20-21页 |
2.2.2 线性可分支持向量机 | 第21-22页 |
2.2.3 线性不可分支持向量机 | 第22-23页 |
2.2.4 非线性支持向量机 | 第23-25页 |
2.3 核函数及其选择 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
第三章 支持向量机参数的作用及优化方法 | 第27-36页 |
3.1 参数对SVM的影响 | 第27页 |
3.1.1 核参数对SVM的影响 | 第27页 |
3.1.2 误差惩罚参数对SVM的影响 | 第27页 |
3.2 误差惩罚参数估计方法 | 第27-28页 |
3.3 遗传算法优化SVM核参数 | 第28-32页 |
3.3.1 遗传算法的基本概念 | 第29-30页 |
3.3.2 遗传算法选择SVM核参数的步骤 | 第30-31页 |
3.3.3 遗传算法优化SVM核参数的优缺点 | 第31-32页 |
3.4 网格搜索法优化SVM参数 | 第32-33页 |
3.4.1 网格搜索法 | 第32页 |
3.4.2 网格法优化SVM参数的特点和优缺点 | 第32-33页 |
3.5 分离间隔优化SVM核参数 | 第33-35页 |
3.5.1 分离间隔的基本概念 | 第33页 |
3.5.2 分离间隔优化SVM参数步骤 | 第33-34页 |
3.5.3 分离间隔法优化SVM核参数的优缺点 | 第34-35页 |
3.6 本章小结 | 第35-36页 |
第四章 IDC-SVM优化参数选择 | 第36-50页 |
4.1 IDC-SVM优化方法思路来源 | 第36-38页 |
4.2 IDC-SVM优化核参数选择 | 第38-44页 |
4.2.1 IDC-SVM优化核参数的意义 | 第38-39页 |
4.2.2 IDC-SVM优化核参数的方法 | 第39-42页 |
4.2.3 IDC-SVM优化核参数的步骤 | 第42-44页 |
4.3 IDC-SVM优化误差惩罚参数选择 | 第44-47页 |
4.3.1 IDC-SVM优化误差惩罚参数的意义 | 第44-45页 |
4.3.2 IDC-SVM优化误差惩罚参数的方法 | 第45-46页 |
4.3.3 IDC-SVM优化误差惩罚参数的步骤 | 第46-47页 |
4.4 IDC-SVM优化SVM参数步骤 | 第47-49页 |
4.5 本章小结 | 第49-50页 |
第五章 IDC-SVM在不同数据库中的应用 | 第50-65页 |
5.1 IDC-SVM在数据库中的应用 | 第50-59页 |
5.1.1 实验使用到的UCI数据集 | 第50-51页 |
5.1.2 UCI数据集处理 | 第51-52页 |
5.1.3 UCI数据集对比实验 | 第52页 |
5.1.4 UCI数据集实验结果对比 | 第52-58页 |
5.1.5 UCI数据集实验结果分析 | 第58页 |
5.1.6 UCI数据集实验小结 | 第58-59页 |
5.2 IDC-SVM在人脸识别中的应用 | 第59-64页 |
5.2.1 人脸识别应用介绍 | 第59页 |
5.2.2 人脸数据集处理 | 第59-61页 |
5.2.3 IDC-SVM人脸对比实验 | 第61页 |
5.2.4 人脸实验结果对比 | 第61-63页 |
5.2.5 人脸实验结果分析 | 第63页 |
5.2.6 人脸实验小结 | 第63-64页 |
5.3 本章小结 | 第64-65页 |
第六章 总结与展望 | 第65-67页 |
6.1 本文总结 | 第65-66页 |
6.2 展望 | 第66-67页 |
致谢 | 第67-68页 |
附件 | 第68-69页 |
参考文献 | 第69-75页 |
详细摘要 | 第75-77页 |