基于混合核函数的SVM及其应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 选题背景 | 第9页 |
| 1.2 理论意义和应用价值 | 第9-10页 |
| 1.3 国内外研究现状及发展趋势 | 第10-11页 |
| 1.4 主要研究内容和组织结构 | 第11-13页 |
| 第2章 支持向量机理论 | 第13-27页 |
| 2.1 统计学习理论 | 第13-17页 |
| 2.1.1 经验风险最小化原则 | 第13-14页 |
| 2.1.2 VC维理论 | 第14-15页 |
| 2.1.3 推广性的界 | 第15-16页 |
| 2.1.4 结构风险最小化原则 | 第16-17页 |
| 2.2 支持向量机理论 | 第17-23页 |
| 2.2.1 最优分类超平面 | 第18-19页 |
| 2.2.2 线性支持向量机 | 第19-22页 |
| 2.2.3 非线性支持向量机 | 第22-23页 |
| 2.3 支持向量机中核函数 | 第23-27页 |
| 2.3.1 核函数基本理论 | 第23-25页 |
| 2.3.2 一般核函数的性质 | 第25-27页 |
| 第3章 混合核函数SVM模型的构造 | 第27-36页 |
| 3.1 核函数选择 | 第27-29页 |
| 3.1.1 局部核函数 | 第27-28页 |
| 3.1.2 全局核函数 | 第28-29页 |
| 3.1.3 混合核函数SVM模型构造 | 第29页 |
| 3.2 混合核函数SVM待优化参数 | 第29-31页 |
| 3.2.1 惩罚因子 | 第29-30页 |
| 3.2.2 混合核函数中的参数 | 第30页 |
| 3.2.3 混合核函数的权系数 | 第30-31页 |
| 3.3 混合核函数SVM参数优化方法 | 第31-36页 |
| 3.3.1 交叉验证 | 第31-32页 |
| 3.3.2 网格搜索算法 | 第32-33页 |
| 3.3.3 遗传算法 | 第33-36页 |
| 第4章 实验仿真 | 第36-46页 |
| 4.1 数据集描述 | 第36-37页 |
| 4.2 算法设计 | 第37-38页 |
| 4.3 仿真结果与分析 | 第38-46页 |
| 4.3.1 仿真结果 | 第38-45页 |
| 4.3.2 仿真结果分析 | 第45-46页 |
| 第5章 总结与展望 | 第46-47页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51页 |
