光滑技术在多类分类问题中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-10页 |
| ·聚类算法 | 第10-11页 |
| ·分类算法 | 第11页 |
| ·论文的研究内容及可行性分析 | 第11-13页 |
| ·论文研究的主要内容和重点 | 第12页 |
| ·论文研究的可行性分析 | 第12-13页 |
| ·本文主要工作 | 第13-15页 |
| 第2章 光滑聚类中心算法 | 第15-27页 |
| ·基本概念 | 第15-17页 |
| ·距离 | 第15页 |
| ·类的定义 | 第15-16页 |
| ·聚类准则函数 | 第16页 |
| ·聚类分析的数据类型 | 第16-17页 |
| ·聚类中心问题光滑化模型 | 第17-19页 |
| ·聚类中心问题 | 第17-18页 |
| ·光滑化方法 | 第18-19页 |
| ·填充函数方法 | 第19-22页 |
| ·基本思想 | 第19-20页 |
| ·单参数填充函数 | 第20-21页 |
| ·填充函数算法 | 第21-22页 |
| ·数值实验 | 第22页 |
| ·光滑聚类中心算法 | 第22-27页 |
| ·光滑聚类中心算法 | 第23页 |
| ·数值实验 | 第23-24页 |
| ·小结 | 第24-27页 |
| 第3章 光滑支持向量机 | 第27-49页 |
| ·支持向量机的理论基础 | 第27-34页 |
| ·监督机器学习问题 | 第27-28页 |
| ·统计学习原理 | 第28-30页 |
| ·支持向量机 | 第30-34页 |
| ·光滑支持向量机 | 第34-36页 |
| ·光滑支持向量机的原理 | 第34页 |
| ·光滑支持向量机的发展现状 | 第34-36页 |
| ·分段熵光滑支持向量机模型 | 第36-42页 |
| ·分段熵函数 | 第36-38页 |
| ·分段熵光滑支持向量机 | 第38-42页 |
| ·三阶分段光滑支持向量机 | 第42-49页 |
| ·三阶分段光滑支持向量机模型 | 第42-44页 |
| ·收敛性能分析 | 第44-45页 |
| ·数据实验 | 第45-49页 |
| 第4章 光滑支持向量机多类分类方法 | 第49-57页 |
| ·支持向量机多类分类方法 | 第49-52页 |
| ·光滑支持向量机多分类方法 | 第52-57页 |
| ·光滑支持向量机“一对多”方法 | 第52-53页 |
| ·基于二进制编码的光滑支持向量机多类分类方法 | 第53-54页 |
| ·数据实验 | 第54-55页 |
| ·实验结果分析 | 第55-57页 |
| 第5章 基于光滑支持向量机的人脸识别 | 第57-63页 |
| ·人脸识别简述 | 第57页 |
| ·主成分分析法 | 第57-59页 |
| ·基于光滑支持向量机的人脸识别 | 第59页 |
| ·实验仿真 | 第59-63页 |
| ·ORL人脸数据库实验 | 第59-61页 |
| ·FERET人脸数据库实验 | 第61页 |
| ·实验结果分析 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间取得的研究成果 | 第69-71页 |
| 致谢 | 第71-73页 |
