首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

光滑支持向量机的插值光滑技术

摘要第1-6页
Abstract第6-9页
第一章 绪论第9-16页
   ·统计学习理论基础第9-12页
     ·VC 维理论第9-10页
     ·经验风险最小化原则第10-11页
     ·结构风险最小化原则第11-12页
   ·支持向量机第12-13页
   ·本课题研究内容第13-15页
     ·光滑支持向量机现状第13-14页
     ·文章组织结构第14-15页
   ·本章总结第15-16页
第二章 光滑支持向量机模型第16-23页
   ·SVCM 模型第16-19页
     ·线性可分第16-17页
     ·近似线性可分第17-18页
     ·线性不可分第18-19页
   ·SVRM 模型第19-20页
   ·光滑支持向量分类机模型第20-22页
     ·不带核第20-21页
     ·带核模型第21-22页
   ·光滑支持向量回归机模型第22页
   ·本章总结第22-23页
第三章 SSVM 的光滑技术第23-30页
   ·概述第23页
   ·Sigmoid 函数的积分函数第23-24页
   ·圆弧曲线第24-25页
   ·插值多项式函数第25-26页
   ·基于二点插值的多项式函数第26-29页
     ·基于一般区间插值第26-27页
     ·基于对称区间插值第27-28页
     ·基于对称区间的最优插值第28-29页
   ·三点插值多项式函数第29页
   ·本章总结第29-30页
第四章 基于三点插值的多项式函数第30-46页
   ·通用插值模型第30-31页
   ·基于对称点插值第31-32页
   ·基于对称点的最优插值第32-40页
     ·三次解第33-35页
     ·四次解第35-40页
   ·间接插值第40-45页
   ·本章总结第45-46页
第五章 光滑支持向量分类机的训练第46-54页
   ·训练模型第46页
   ·训练算法第46-49页
     ·BFGS-Armijo 算法第47页
     ·Newton-Armijo 算法第47-48页
     ·Newton-PCG 算法第48-49页
   ·数值实验第49-53页
     ·实验设计第49-50页
     ·数值结果第50-53页
     ·分析和比较第53页
   ·本章总结第53-54页
结论与展望第54-56页
参考文献第56-60页
攻读硕士学位期间发表的论文第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:复杂场景下视觉目标跟踪方法研究
下一篇:Hadoop平台下的作业调度算法研究与改进