支持向量机集成学习算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·研究背景 | 第12-13页 |
| ·国内外研究现状 | 第13-19页 |
| ·个体生成方法 | 第14-16页 |
| ·结论合成方法 | 第16-17页 |
| ·支持向量机集成的应用 | 第17-19页 |
| ·支持向量机集成存在的问题 | 第19-20页 |
| ·论文的组织结构与研究内容 | 第20-22页 |
| 第2章 支持向量机与集成学习 | 第22-41页 |
| ·支持向量机算法 | 第22-31页 |
| ·二类支持向量机算法 | 第22-25页 |
| ·多类支持向量机算法 | 第25-29页 |
| ·支持向量机性能分析 | 第29-31页 |
| ·集成学习 | 第31-39页 |
| ·集成学习理论 | 第31-34页 |
| ·集成学习方法 | 第34-39页 |
| ·支持向量机集成 | 第39-40页 |
| ·支持向量机集成机理 | 第39-40页 |
| ·支持向量机集成构架 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第3章 模型一重扰动支持向量机集成 | 第41-56页 |
| ·问题的提出 | 第41-42页 |
| ·相关研究 | 第42-45页 |
| ·支持向量机的稳定性 | 第42页 |
| ·期望误差的偏差、方差分解与LoBag算法 | 第42-45页 |
| ·模型一重扰动支持向量机集成 | 第45-49页 |
| ·构建支持向量机模型的要素 | 第45-48页 |
| ·模型扰动机制 | 第48页 |
| ·算法描述 | 第48-49页 |
| ·仿真实验与结果分析 | 第49-55页 |
| ·数据集合 | 第49-50页 |
| ·参数设置 | 第50-51页 |
| ·结果对比分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 模型与特征二重扰动支持向量机集成 | 第56-70页 |
| ·问题的提出 | 第56-57页 |
| ·相关研究 | 第57-61页 |
| ·典型二重扰动机制分析 | 第57-58页 |
| ·特征变换方法 | 第58-61页 |
| ·模型与特征二重扰动支持向量机集成 | 第61-64页 |
| ·算法思想 | 第61页 |
| ·基于ICA的特征变换 | 第61-62页 |
| ·算法描述 | 第62-64页 |
| ·仿真实验与结果分析 | 第64-69页 |
| ·参数设置 | 第64页 |
| ·结果对比分析 | 第64-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 选择性支持向量机集成 | 第70-87页 |
| ·问题的提出 | 第70-71页 |
| ·相关研究 | 第71-76页 |
| ·选择性集成原理 | 第71-72页 |
| ·典型选择性集成算法分析 | 第72-74页 |
| ·人工鱼群算法 | 第74-76页 |
| ·基于AFSA的选择性支持向量机集成 | 第76-81页 |
| ·算法思想 | 第76-77页 |
| ·基于AFSA的支持向量机集成模型定义 | 第77-80页 |
| ·算法描述 | 第80-81页 |
| ·仿真实验与结果分析 | 第81-86页 |
| ·数据集合划分 | 第81页 |
| ·参数设定 | 第81-82页 |
| ·结果对比分析 | 第82-86页 |
| ·本章小结 | 第86-87页 |
| 第6章 基于自适应模糊积分法的支持向量机集成 | 第87-102页 |
| ·问题的提出 | 第87-89页 |
| ·相关研究 | 第89-92页 |
| ·模糊积分与模糊测度 | 第89-90页 |
| ·支持向量机的后验概率输出 | 第90-92页 |
| ·基于自适应模糊积分法的支持向量机集成 | 第92-97页 |
| ·算法思想 | 第92-93页 |
| ·自适应模糊密度 | 第93-96页 |
| ·算法描述 | 第96-97页 |
| ·仿真实验与结果分析 | 第97-101页 |
| ·参数设定 | 第97-98页 |
| ·结果对比分析 | 第98-101页 |
| ·本章小结 | 第101-102页 |
| 结论 | 第102-104页 |
| 参考文献 | 第104-117页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第117-119页 |
| 致谢 | 第119页 |
