支持向量机及其在癌症诊断中的应用研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 第一章 引言 | 第7-10页 |
| ·支持向量机产生背景 | 第7页 |
| ·支持向量机的发展历史与研究现状 | 第7-8页 |
| ·本文的主要内容 | 第8-10页 |
| 第二章 统计学习理论 | 第10-15页 |
| ·机器学习的基本问题 | 第10-13页 |
| ·机器学习问题的表示 | 第11-12页 |
| ·经验风险最小化(ERM)原则 | 第12页 |
| ·复杂性与推广能力 | 第12-13页 |
| ·统计学习理论 | 第13-15页 |
| ·VC 维 | 第13页 |
| ·推广性的界 | 第13-14页 |
| ·结构风险最小化(SRM)原则 | 第14-15页 |
| 第三章 支持向量机基本理论 | 第15-21页 |
| ·线性情况 | 第15-19页 |
| ·非线性情况 | 第19-21页 |
| 第四章 支持向量机算法 | 第21-28页 |
| ·常用支持向量机算法 | 第21-23页 |
| ·分块算法 | 第21页 |
| ·子集选择算法 | 第21-22页 |
| ·序列最小优化算法 | 第22页 |
| ·增量式算法 | 第22页 |
| ·SVM 多类分类方法方面的研究 | 第22-23页 |
| ·几种变形支持向量机的比较 | 第23-28页 |
| ·C-SVM 算法及其变形算法系列 | 第24页 |
| ·BSVM 算法 | 第24-25页 |
| ·ν-SVM 算法 | 第25-26页 |
| ·LS-SVM 算法 | 第26页 |
| ·各种变形支持向量机算法的比较 | 第26-28页 |
| 第五章 支持向量机在癌症诊断中的应用 | 第28-36页 |
| ·支持向量机用于癌症诊断 | 第29-32页 |
| ·数据预处理 | 第29页 |
| ·支持向量机参数优化 | 第29-30页 |
| ·实验结果与分析 | 第30-32页 |
| ·小结 | 第32页 |
| ·再处理 | 第32-36页 |
| ·再处理基本思想 | 第34页 |
| ·实验结果与分析 | 第34页 |
| ·小结 | 第34-36页 |
| 结语 | 第36-37页 |
| 参考文献 | 第37-40页 |
| 后记 | 第40-41页 |
| 在学期间公开发表论文及著作情况 | 第41页 |
