基于边界向量的SVM算法
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-13页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状与意义 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 2 支持向量机理论 | 第13-23页 |
| 2.1 统计学习基本理论 | 第13-18页 |
| 2.2 支持向量机理论 | 第18-21页 |
| 2.2.1 支持向量机类型 | 第18-20页 |
| 2.2.2 显著特征和重要思想 | 第20-21页 |
| 2.3 支持向量机的主要算法 | 第21-23页 |
| 3 基于边界向量的SVM算法 | 第23-33页 |
| 3.1 提取边界向量算法的改进思路 | 第23-24页 |
| 3.2 边界向量预选算法 | 第24-28页 |
| 3.3 基于中心向量的边界向量提取算法 | 第28-30页 |
| 3.3.1 基于中心向量的边界向量改进思路 | 第28页 |
| 3.3.2 基于中心向量的边界向量的改进步骤 | 第28-30页 |
| 3.4 基于向量投影的边界向量提取算法 | 第30-33页 |
| 3.4.1 基于向量投影的边界向量改进思路 | 第30-31页 |
| 3.4.2 基于向量投影的边界向量改进步骤 | 第31-33页 |
| 4 数值实验 | 第33-40页 |
| 4.1 基于中心向量的边界向量提取算法实验 | 第33-36页 |
| 4.1.1 随机数据集数值实验 | 第33-35页 |
| 4.1.2 标准数据集数值实验 | 第35-36页 |
| 4.2 基于向量投影的边界向量提取算法实验 | 第36-40页 |
| 4.2.1 随机数据集数值实验 | 第36-38页 |
| 4.2.2 标准数据集数值实验 | 第38-40页 |
| 结论 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 作者简历 | 第44-46页 |
| 学位论文数据集 | 第46-47页 |
