基于数据分布特征的支撑向量机核选择方法研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 引言 | 第11-15页 |
| ·研究背景 | 第11-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·论文的主要工作 | 第14-15页 |
| 第二章 统计学习理论和支撑向量机 | 第15-23页 |
| ·统计学习理论 | 第15-18页 |
| ·学习问题的一般表示 | 第15-16页 |
| ·学习机器泛化能力的界 | 第16-18页 |
| ·SVM简介 | 第18-22页 |
| ·线性硬间隔SVM | 第19-20页 |
| ·线性软间隔SVM | 第20-21页 |
| ·核映射 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 现有核函数及核选择方法的分析与研究 | 第23-29页 |
| ·几种常用核函数的性能分析 | 第23-24页 |
| ·多项式核函数 | 第23页 |
| ·高斯核函数 | 第23页 |
| ·坐标变换核 | 第23-24页 |
| ·核函数选择方法 | 第24-27页 |
| ·目前核选择方法分析 | 第24-25页 |
| ·留一法分析 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第四章 基于数据分布的核函数选择方法 | 第29-41页 |
| ·高维数据降维算法 | 第29-31页 |
| ·主成分分析方法 | 第29-30页 |
| ·多维尺度分析方法 | 第30-31页 |
| ·数据分布判定算法 | 第31-37页 |
| ·圆形分布判定算法 | 第31-32页 |
| ·环形分布判定算法 | 第32-34页 |
| ·球形分布判定算法 | 第34-35页 |
| ·柱状分布判定算法 | 第35-37页 |
| ·基于数据分布的核函数选择方法的实现 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 数值实验 | 第41-55页 |
| ·人工数据集实验 | 第41-48页 |
| ·在人工数据集S1上的实验结果及分析 | 第42-44页 |
| ·在人工数据集S2上的实验结果及分析 | 第44-45页 |
| ·在人工数据集S3上的实验结果及分析 | 第45页 |
| ·在人工数据集S4上的实验结果及分析 | 第45-47页 |
| ·在人工数据集S5上的实验结果及分析 | 第47-48页 |
| ·真实数据集实验 | 第48-54页 |
| ·在真实数据集D1上的实验结果及分析 | 第48-50页 |
| ·在真实数据集D2上的实验结果及分析 | 第50-52页 |
| ·在真实数据集D3上的实验结果及分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结论和展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录 | 第61-62页 |
