| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第1章 绪论 | 第14-20页 |
| ·特征获取的研究现状 | 第14-17页 |
| ·特征选择 | 第14-15页 |
| ·特征提取 | 第15-17页 |
| ·本文主要研究内容 | 第17-18页 |
| ·论文的结构安排 | 第18-20页 |
| 第2章 支持向量分类机与支持向量回归机 | 第20-48页 |
| ·机器学习 | 第20-25页 |
| ·机器学习的问题表示 | 第21-22页 |
| ·经验风险最小化 | 第22页 |
| ·VC维 | 第22-23页 |
| ·期望风险的上界 | 第23-24页 |
| ·结构风险最小化和推广能力 | 第24-25页 |
| ·支持向量机 | 第25-31页 |
| ·分类问题 | 第25-26页 |
| ·线性可分支持向量机 | 第26-27页 |
| ·通过对偶问题求解 | 第27-28页 |
| ·线性支持向量机 | 第28-29页 |
| ·非线性支持向量机 | 第29-30页 |
| ·核函数 | 第30-31页 |
| ·支持向量回归机 | 第31-35页 |
| ·线性回归问题 | 第31页 |
| ·线性硬ε带支持向量回归机 | 第31-34页 |
| ·线性ε-支持向量回归机 | 第34-35页 |
| ·ε-支持向量回归机 | 第35页 |
| ·支持向量机的研究内容 | 第35-38页 |
| ·支持向量机新算法的研究 | 第36页 |
| ·支持向量机核函数选择的研究 | 第36-37页 |
| ·海量数据优化算法的研究 | 第37页 |
| ·支持向量机多类别分类方法的研究 | 第37页 |
| ·基于支持向量机特征提取算法的研究 | 第37-38页 |
| ·小规模样本使用SVR算法带来问题 | 第38-47页 |
| ·实验过程 | 第38-39页 |
| ·结果分析 | 第39-46页 |
| ·VC推广界理论 | 第46-47页 |
| ·小规模样本的界定 | 第47页 |
| ·提高小规模训练样本学习精度的思路 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第3章 基于矩阵相似性度量、支持向量机和遗传算法的特征选择方法 | 第48-74页 |
| ·映射生成非线性空间 | 第48-55页 |
| ·多项式空间 | 第49-52页 |
| ·倒数空间 | 第52-53页 |
| ·对数空间 | 第53-54页 |
| ·指数空间 | 第54页 |
| ·混合空间 | 第54-55页 |
| ·矩阵相似性度量选择非线性空间 | 第55-60页 |
| ·矩阵相似性度量基本理论 | 第55-57页 |
| ·矩阵相似度量法的合理性分析 | 第57-58页 |
| ·矩阵相似性度量应用于选择非线性空间 | 第58-60页 |
| ·遗传算法 | 第60-63页 |
| ·遗传算法的概况 | 第60-61页 |
| ·遗传算法的基本运算 | 第61-63页 |
| ·基于矩阵相似性度量、支持向量机和遗传算法的特征选择 | 第63-66页 |
| ·步骤 | 第63-66页 |
| ·验证 | 第66页 |
| ·改进的基于矩阵相似性度量、支持向量机和遗传算法的特征选择 | 第66-71页 |
| ·步骤 | 第66-69页 |
| ·验证 | 第69-71页 |
| ·基于矩阵相似性度量、支持向量机和遗传算法的特征选择的优缺点 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 第4章 基于混合核函数、矩阵相似性度量及核主成分的序列极小化方法 | 第74-94页 |
| ·核主成分分析 | 第74-76页 |
| ·KPCA的基本原理 | 第75-76页 |
| ·核主成分分析的主要作用 | 第76页 |
| ·序列极小化方法 | 第76-80页 |
| ·分类问题的数学提法 | 第76-77页 |
| ·序列极小化方法步骤 | 第77-78页 |
| ·ε-不敏感损失函数 | 第78-79页 |
| ·线性回归中的特征提取问题 | 第79-80页 |
| ·基于核主成分的序列极小化方法 | 第80-85页 |
| ·矩阵相似性度量应用于选择混合核函数参数 | 第80-83页 |
| ·处理数据集步骤 | 第83页 |
| ·序列极小化步骤 | 第83-85页 |
| ·验证及与其他特征选择方法的比较 | 第85-90页 |
| ·验证一 | 第85-87页 |
| ·验证二 | 第87-90页 |
| ·KPCA-RFE方法的优点 | 第90-93页 |
| ·计算准确度分析 | 第90-91页 |
| ·计算复杂度分析 | 第91-93页 |
| ·本章小结 | 第93-94页 |
| 第5章 NLS-GA-FE方法在路面使用性能综合评价中的应用 | 第94-112页 |
| ·我国高速公路使用现状 | 第94-96页 |
| ·路面早期损坏极其严重 | 第94-95页 |
| ·丰富的数据与贫乏的知识 | 第95-96页 |
| ·路面使用性能综合评价方法简介 | 第96-100页 |
| ·路面使用性能综合评价的意义 | 第96-97页 |
| ·路面使用性能综合评价方法简介 | 第97-100页 |
| ·评价方法的不足 | 第100页 |
| ·基于SVM的路面使用性能评价模型的研究 | 第100-106页 |
| ·多类的分类支持向量机 | 第101页 |
| ·描述路面性能数据的选取 | 第101-102页 |
| ·建模 | 第102-105页 |
| ·评价结果分析 | 第105-106页 |
| ·NLS-GA-FE方法的应用 | 第106-110页 |
| ·本章小结 | 第110-112页 |
| 第6章 NLS-GA-FE方法在路面使用性能预测中的应用 | 第112-120页 |
| ·路面的使用性能的预测方法 | 第112-114页 |
| ·路面使用性能指标的量化 | 第114-115页 |
| ·预测指标 | 第114-115页 |
| ·影响因素 | 第115页 |
| ·对影响因素进行预测 | 第115-116页 |
| ·使用性能预测 | 第116-119页 |
| ·平滑移动预测法预测参数 | 第116-118页 |
| ·NLS-GA-FE方法预测使用性能 | 第118-119页 |
| ·本章小结 | 第119-120页 |
| 第7章 结论与展望 | 第120-122页 |
| ·结论 | 第120页 |
| ·展望 | 第120-122页 |
| 参考文献 | 第122-130页 |
| 攻读学位期间发表的论文 | 第130-132页 |
| 致谢 | 第132页 |
