| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 研究内容及结构安排 | 第12-14页 |
| 2 相关基础理论 | 第14-21页 |
| 2.1 支持向量机理论 | 第14-18页 |
| 2.1.1 统计学习理论 | 第14-15页 |
| 2.1.2 最优分类超平面 | 第15-16页 |
| 2.1.3 核函数 | 第16-17页 |
| 2.1.4 支持向量机的分类 | 第17-18页 |
| 2.2 蚁群算法 | 第18-19页 |
| 2.3 人工蜂群算法 | 第19-20页 |
| 2.4 小结 | 第20-21页 |
| 3 优化SVM参数的IACO算法 | 第21-32页 |
| 3.1 参数对SVM的性能影响分析 | 第21-23页 |
| 3.2 蚁群算法 | 第23-25页 |
| 3.2.1 传统蚁群算法存在问题 | 第23页 |
| 3.2.2 蚁群算法改进 | 第23-25页 |
| 3.3 IACO算法优化SVM参数模型 | 第25-26页 |
| 3.4 模型检验与结果分析 | 第26-31页 |
| 3.4.1 实验数据集与模型参数设置 | 第26-27页 |
| 3.4.2 实验结果与分析 | 第27-31页 |
| 3.5 小结 | 第31-32页 |
| 4 优化SVM参数的IABC算法 | 第32-41页 |
| 4.1 人工蜂群算法 | 第32-33页 |
| 4.1.1 人工蜂群算法存在问题 | 第32页 |
| 4.1.2 人工蜂群算法的改进 | 第32-33页 |
| 4.2 IABC算法优化SVM参数模型 | 第33-35页 |
| 4.3 模型检验与结果分析 | 第35-40页 |
| 4.3.1 实验数据集与模型参数设置 | 第35-36页 |
| 4.3.2 实验结果与分析 | 第36-40页 |
| 4.4 小结 | 第40-41页 |
| 5 IABC-SVM模型在手写体数字光学识别数据中的应用 | 第41-46页 |
| 5.1 操作流程 | 第41-42页 |
| 5.2 数据选取 | 第42-43页 |
| 5.3 实验数据与模型参数设置 | 第43-44页 |
| 5.4 结果分析 | 第44-45页 |
| 5.5 小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 作者简历 | 第50-52页 |
| 学位论文数据集 | 第52-53页 |