统计学习理论及其在地学中的应用研究--支持向量机在地学中的应用研究
| 提要 | 第1-7页 |
| 第一章 引言 | 第7-11页 |
| ·统计学习理论的产生与发展 | 第7-9页 |
| ·地学数据处理方法比较分析 | 第9-10页 |
| ·本文主要工作及成果 | 第10-11页 |
| 第二章 统计学习理论 | 第11-23页 |
| ·机器学习问题 | 第11-15页 |
| ·函数估计模型 | 第11-12页 |
| ·期望风险最小化 | 第12-13页 |
| ·三类基本的学习问题 | 第13-14页 |
| ·经验风险最小化 | 第14-15页 |
| ·结构风险最小化 | 第15-22页 |
| ·指示函数集的VC 维 | 第15-16页 |
| ·构造性的与分布无关的界 | 第16-18页 |
| ·构造严格的(依赖于分布的)界的问题 | 第18-19页 |
| ·推广性的界 | 第19-20页 |
| ·结构风险最小化归纳原则 | 第20-22页 |
| ·统计学习理论的核心内容 | 第22-23页 |
| 第三章 支持向量机 | 第23-35页 |
| ·学习机器的推广能力 | 第23-24页 |
| ·指示函数的sigmoid 逼近 | 第24-26页 |
| ·最优分类超平面 | 第26-29页 |
| ·支持向量机 | 第29-30页 |
| ·核函数 | 第30-31页 |
| ·SVM 多类分类问题 | 第31-33页 |
| ·SVM 回归算法 | 第33-35页 |
| 第四章 最小二乘支持向量机原理 | 第35-42页 |
| ·最小二乘支持向量机原理 | 第35-37页 |
| ·LS-SVMlab 工具箱 | 第37-40页 |
| ·LS-SVM 多类分类 | 第38-39页 |
| ·核函数及参数选择 | 第39-40页 |
| ·由分类向回归的过渡 | 第40页 |
| ·基于MATLAB 的LS-SVM 三类分类程序 | 第40-42页 |
| 第五章 支持向量机在地学中应用 | 第42-53页 |
| ·基于SVM 的分类算法及模型 | 第42-43页 |
| ·LS-SVM 在测井岩性分类中的应用 | 第43-45页 |
| ·小石人金矿矿化程度的研究 | 第45-53页 |
| ·矿区地质 | 第46-47页 |
| ·矿化特征 | 第47-49页 |
| ·矿化程度研究 | 第49-50页 |
| ·小石人金矿区矿化程度分类 | 第50-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·模型选择 | 第53页 |
| ·总结 | 第53-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 摘要 | 第59-61页 |
| Abstract | 第61-63页 |
