高斯核选择的线性检测方法
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 本文工作 | 第8-11页 |
| 第2章 文献综述 | 第11-19页 |
| 2.1 线性检测 | 第11-15页 |
| 2.1.1 线性检测(性质检测的观点) | 第11-13页 |
| 2.1.2 统计线性检测 | 第13-15页 |
| 2.2 模型选择 | 第15-19页 |
| 2.2.1 最小化泛化误差理论界 | 第15-16页 |
| 2.2.2 最小化统计实验误差 | 第16页 |
| 2.2.3 近似模型选择 | 第16-19页 |
| 第3章 基于线性检测的高斯核选择方法 | 第19-35页 |
| 3.1 线性检测理论 | 第19-22页 |
| 3.1.1 线性检测的定义 | 第19-20页 |
| 3.1.2 线性检测的分析 | 第20-22页 |
| 3.2 基于随机傅里叶特征的近似支持向量机 | 第22-26页 |
| 3.2.1 支持向量机 | 第22-24页 |
| 3.2.2 随机傅里叶特征 | 第24-25页 |
| 3.2.3 基于随机傅里叶特征的支持向量机算法 | 第25-26页 |
| 3.3 基于线性检测的高斯核选择 | 第26-35页 |
| 3.3.1 基于瞬时损失的线性可分性检测器 | 第26-29页 |
| 3.3.2 基于ε线性水平的线性检测器 | 第29-31页 |
| 3.3.3 基于高效行列式估计的线性检测器 | 第31-32页 |
| 3.3.4 基于线性检测的高斯核选择算法 | 第32-35页 |
| 第4章 实验结果与分析 | 第35-43页 |
| 4.1 分类 | 第35-36页 |
| 4.2 回归 | 第36-43页 |
| 第5章 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43页 |
| 5.2 展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 发表论文和参加科研情况说明 | 第49-51页 |
| 致谢 | 第51页 |
