支持向量机参数选择的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-12页 |
| ·本课题研究的意义 | 第9页 |
| ·本课题研究的现状 | 第9-11页 |
| ·本文研究内容及内容结构 | 第11-12页 |
| 第2章 统计学习理论和支持向量机理论 | 第12-21页 |
| ·统计学习理论 | 第12-14页 |
| ·经验风险最小化 | 第12-13页 |
| ·复杂性和推广能力 | 第13页 |
| ·VC维概念 | 第13页 |
| ·结构风险最小化 | 第13-14页 |
| ·支持向量机 | 第14-19页 |
| ·最优分类超平面 | 第15-16页 |
| ·线性可分支持向量机 | 第16页 |
| ·线性不可分支持向量机 | 第16-17页 |
| ·非线性支持向量机 | 第17-19页 |
| ·核函数及核函数的选择 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 支持向量机参数选择方法 | 第21-32页 |
| ·参数对支持向量机的影响 | 第21页 |
| ·SVM模型推广能力的评价方式 | 第21-22页 |
| ·遗传算法选择支持向量机参数 | 第22-26页 |
| ·遗传算法的几个基本概念 | 第22-23页 |
| ·标准遗传算法的几个步骤 | 第23-25页 |
| ·遗传算法优化选择SVM参数的步骤 | 第25-26页 |
| ·粒子群算法优化支持向量机参数 | 第26-29页 |
| ·粒子群算法的原理 | 第26-28页 |
| ·标准粒子群算法几个步骤 | 第28页 |
| ·粒子群算法优化支持向量机参数步骤 | 第28-29页 |
| ·网格搜索法优化支持向量机参数 | 第29-30页 |
| ·三种参数选择方法的缺点分析 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第4章 改进的SVM参数选择方法 | 第32-47页 |
| ·改进的核参数选择方法 | 第32-35页 |
| ·改进的核参数选择方法的思想 | 第32-35页 |
| ·改进的核参数选择方法的算法步骤 | 第35页 |
| ·改进的惩罚参数选择方法 | 第35-39页 |
| ·改进的惩罚参数选择方法的思想 | 第35-37页 |
| ·改进的惩罚参数选择方法的算法步骤 | 第37-39页 |
| ·实验结果及分析 | 第39-46页 |
| ·实验的目的 | 第39页 |
| ·实验前期准备 | 第39-40页 |
| ·改进的核参数的对比实验 | 第40-42页 |
| ·改进的惩罚参数的对比实验 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间研究成果 | 第51-52页 |
| 致谢 | 第52页 |
