SVM分类器置信度的研究

摘要	第1-6页
Abstract	第6-10页
第一章 绪论	第10-15页
·选题研究背景	第10-11页
·引言	第10页
·数据挖掘概述	第10-11页
·SVM分类器的研究现状	第11-13页
·研究分类器置信度的意义	第13-14页
·本论文主要工作	第14-15页
第二章 现有的分类器的置信度算法研究	第15-21页
·朴素贝叶斯分类器	第15-16页
·朴素贝叶斯分类原理	第15-16页
·朴素贝叶斯分类器的置信度评估算法	第16页
·最近邻分类器	第16-17页
·最近邻分类器理论基础	第16-17页
·最近邻分类器置信度评估	第17页
·K近邻分类器	第17-18页
·k近邻分类器理论基础	第17-18页
·KNN分类器置信度评估算法	第18页
·神经网络	第18-19页
·神经网络理论基础	第18-19页
·多层前向神经网络分类器的置信度评估算法	第19页
·小结	第19-21页
第三章 SVM分类器置信度评估算法设计	第21-37页
·支持向量机理论	第21-26页
·引言	第21页
·统计学习理论	第21-26页
·SVM分类器的置信度评估算法	第26-35页
·"一类对余类"方法	第26-28页
·"一类对一类"方法	第28-35页
·小结	第35-37页
第四章 实验与结果分析	第37-53页
·SVM分类器——Libsvm工具包	第37页
·实验数据	第37-38页
·实验设计	第38-52页
·置信度评估公式验证实验	第38-41页
·不同规模训练样本下的算法稳定性验证实验	第41-49页
·后处理方法比较	第49-51页
·最终算法的交叉验证实验	第51-52页
·小结	第52-53页
第五章 总结与展望	第53-55页
·研究工作小结	第53页
·研究展望	第53-55页
参考文献	第55-59页
致谢	第59-60页
攻读硕士学位期间发表的论文	第60页