改进SVM快速训练算法
| 中文摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| ·论文选题的意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·本文研究的主要内容 | 第13页 |
| ·本文的组织结构 | 第13-15页 |
| 第二章 支持向量机与训练算法 | 第15-27页 |
| ·支持向量机 | 第15-21页 |
| ·分类问题 | 第15-17页 |
| ·线性可分情况下的支持向量机 | 第17-18页 |
| ·线性不可分情况下的支持向量机 | 第18-20页 |
| ·核函数 | 第20-21页 |
| ·训练算法 | 第21-26页 |
| ·算法综述 | 第22页 |
| ·块算法 | 第22-23页 |
| ·固定工作集的分解算法 | 第23-24页 |
| ·SMO算法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 一种改进SMO的方法 | 第27-36页 |
| ·SMO算法的不足点 | 第27-28页 |
| ·改进策略 | 第28-29页 |
| ·本文的改进思路 | 第29-33页 |
| ·跳过部分非支持向量 | 第29-31页 |
| ·收缩工作集策略 | 第31-32页 |
| ·提前结束不必要的循环 | 第32-33页 |
| ·改进算法的步骤 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 SMO的增量学习算法 | 第36-44页 |
| ·问题的引出 | 第36页 |
| ·基于SMO的增量学习方法 | 第36-40页 |
| ·支持向量及新增训练样本分析 | 第37-39页 |
| ·增量学习算法 | 第39-40页 |
| ·算法的流程图 | 第40-41页 |
| ·综合改进策略 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 实验与分析 | 第44-49页 |
| ·数据集的情况描述 | 第44-45页 |
| ·实验与分析 | 第45-48页 |
| ·改进SMO算法的相关实验 | 第45-46页 |
| ·增量算法的相关实验 | 第46-47页 |
| ·综合改进策略的相关实验 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结和展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 在校期间发表的论文、科研成果等 | 第54-55页 |
| 致谢 | 第55页 |
