支持向量机加速训练算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-12页 |
| ·研究背景与意义 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·研究内容 | 第11页 |
| ·论文组织 | 第11-12页 |
| 第2章 统计学习理论与支持向量机 | 第12-26页 |
| ·机器学习的基本问题 | 第12-13页 |
| ·机器学习的发展历史 | 第12页 |
| ·学习问题的表述 | 第12-13页 |
| ·统计学系理论 | 第13-18页 |
| ·经验风险最小化 | 第14页 |
| ·复杂性及推广能力 | 第14-15页 |
| ·VC维与推广性的界 | 第15页 |
| ·一致性概念和关键定理 | 第15-17页 |
| ·结构风险最小化原则 | 第17-18页 |
| ·支持向量机 | 第18-25页 |
| ·支持向量机的基本原理 | 第18-22页 |
| ·支持向量机的几种变形算法 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 支持向量机加速训练算法研究 | 第26-35页 |
| ·引言 | 第26-27页 |
| ·SVM加速训练算法研究现状 | 第27-30页 |
| ·分解加速训练算法 | 第27-28页 |
| ·去样例加速算法 | 第28-30页 |
| ·KKT条件及相关定理 | 第30-31页 |
| ·一种基于KKT条件的SVM分块学习算法 | 第31-32页 |
| ·一种基于KKT条件的SVM加速训练算法 | 第32-34页 |
| ·凝聚分层聚类算法介绍 | 第32-33页 |
| ·一种基于KKT条件的SVM加速训练算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 算法分析与仿真实验 | 第35-39页 |
| ·算法分析 | 第35-36页 |
| ·实验结果及分析 | 第36-38页 |
| ·在人工数据库上的实验结果 | 第36页 |
| ·在真实数据集上的实验结果 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 总结与展望 | 第39-40页 |
| ·本文总结 | 第39页 |
| ·工作展望 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 致谢 | 第44-45页 |
| 攻读学位期间取得的科研成果 | 第45页 |
