基于大规模数据集的模式分类器研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·课题背景 | 第10页 |
| ·相关理论的研究进展 | 第10-20页 |
| ·模式分类技术 | 第10-18页 |
| ·特征选择 | 第18-19页 |
| ·样本选择 | 第19-20页 |
| ·本文主要研究内容 | 第20-22页 |
| 第2章 统计学习理论和支持向量机 | 第22-38页 |
| ·引言 | 第22页 |
| ·机器学习的基本问题和方法 | 第22-25页 |
| ·机器学习问题的表示 | 第22-24页 |
| ·经验风险最小化原则 | 第24-25页 |
| ·统计学习理论 | 第25-30页 |
| ·学习过程一致性的条件 | 第25-26页 |
| ·函数集的学习性能与VC 维 | 第26-27页 |
| ·推广性的界 | 第27-29页 |
| ·结构风险最小化原则 | 第29-30页 |
| ·支持向量机 | 第30-38页 |
| ·最优超平面 | 第30-33页 |
| ·非线性支持向量机 | 第33-35页 |
| ·改进支持向量机的研究 | 第35-36页 |
| ·支持向量机的模型参数选择的研究 | 第36-38页 |
| 第3章 基于正交设计的特征选择方法 | 第38-48页 |
| ·正交设计 | 第38-44页 |
| ·正交表 | 第39页 |
| ·正交试验设计的优点 | 第39-40页 |
| ·正交试验设计的基本步骤 | 第40-41页 |
| ·试验结果的方差分析法 | 第41-44页 |
| ·试 | 第44-45页 |
| ·仿真试验 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于均匀设计的特征选择方法 | 第48-58页 |
| ·均匀设计 | 第48-54页 |
| ·均匀设计表 | 第48-50页 |
| ·均匀设计的基本步骤 | 第50-51页 |
| ·试验结果的回归分析法 | 第51-54页 |
| ·试验方案 | 第54页 |
| ·仿真试验 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第5章 基于样本选择训练分类器的方法 | 第58-69页 |
| ·引言 | 第58-61页 |
| ·约简支持向量机算法 | 第58-60页 |
| ·样本随机选择的仿真 | 第60-61页 |
| ·利用代表样本点构造分类器的非线性决策面 | 第61-65页 |
| ·模糊C 均值聚类 | 第61-62页 |
| ·减法聚类算法 | 第62-63页 |
| ·MRSVM 的算法 | 第63-64页 |
| ·仿真实例 | 第64-65页 |
| ·本章的拓展建议 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-77页 |
| 攻读硕士学位期间发表的学术论文 | 第77-78页 |
| 致谢 | 第78页 |
