| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 SVM的研究现状 | 第15-17页 |
| 1.2.2 SGD的研究现状 | 第17-18页 |
| 1.3 支持向量机分类的应用领域 | 第18-19页 |
| 1.3.1 在文本分类中的应用 | 第18页 |
| 1.3.2 在图像识别中的应用 | 第18-19页 |
| 1.3.3 在手写数字识别中的应用 | 第19页 |
| 1.4 本文的研究内容及安排 | 第19-20页 |
| 1.4.1 本文的研究内容 | 第19页 |
| 1.4.2 本文的结构安排 | 第19-20页 |
| 第二章 支持向量机及常用的分类算法 | 第20-30页 |
| 2.1 支持向量机 | 第20-24页 |
| 2.1.1 最大间隔分类 | 第20-22页 |
| 2.1.2 核函数 | 第22-23页 |
| 2.1.3 软间隔支持向量机 | 第23-24页 |
| 2.2 常用的SVM分类算法 | 第24-30页 |
| 2.2.1 C-SVC算法 | 第24-25页 |
| 2.2.2 SGD算法 | 第25-26页 |
| 2.2.3 ASGD算法 | 第26-28页 |
| 2.2.4 算法的实验结果分析 | 第28-30页 |
| 第三章 SGD算法解基于可加性核的SVM分类问题 | 第30-46页 |
| 3.1 可加性核 | 第30-31页 |
| 3.2 梯度近似 | 第31-33页 |
| 3.3 SGD方法解基于可加性核的SVM分类问题 | 第33-35页 |
| 3.4 加速SGD方法解基于可加性核的SVM分类问题 | 第35-38页 |
| 3.4.1 ASGD-AKSVM算法 | 第35-36页 |
| 3.4.2 查表技巧 | 第36-38页 |
| 3.5 实验结果分析 | 第38-46页 |
| 3.5.1 随机选取样本子集的大小k对实验结果的影响 | 第38-40页 |
| 3.5.2 划分区间N的选择对实验结果的影响 | 第40-41页 |
| 3.5.3 分类效果 | 第41-46页 |
| 第四章 SVRG算法解基于可加性核的SVM分类问题 | 第46-56页 |
| 4.1 SVRG算法 | 第46-48页 |
| 4.2 SVRG算法解基于可加性核的SVM分类问题 | 第48-52页 |
| 4.2.1 SVRG-AKSVM算法 | 第48-51页 |
| 4.2.2 K-AKSVM算法 | 第51-52页 |
| 4.3 实验结果分析 | 第52-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56页 |
| 5.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 作者简介 | 第64-65页 |
