支持向量机研究及其在货币识别中的应用

1 绪论	第1-13页
·货币识别概况	第9-11页
·货币识别简述	第9-10页
·发展现状	第10-11页
·本文的主要研究工作	第11-13页
2 支持向量机	第13-31页
·统计学习理论简介	第14-20页
·机器学习的基本问题	第14-15页
·经验风险最小化	第15-16页
·复杂性与泛化能力	第16-17页
·统计学习理论的核心内容	第17-20页
·支持向量机	第20-30页
·最优分类面	第21-24页
·广义最优分类面	第24-25页
·规范化超平面的子集结构	第25-26页
·支持向量机	第26-30页
·小结	第30-31页
3 二次优化算法探索	第31-47页
·研究现状	第31-33页
·块算法	第31-32页
·固定样本集	第32-33页
·次序最小优化算法	第33-40页
·SMO算法改进	第40-43页
·算法比较	第43-46页
·小结	第46-47页
4 多值分类问题	第47-54页
·研究现状	第47-49页
·one-versus-rest算法	第48页
·one-versus-one算法	第48-49页
·有向无环图法	第49-52页
·有向无环图法简介	第49-50页
·泛化分析	第50-52页
·DAGSVM算法	第52页
·小结	第52-54页
5 支持向量机在货币识别中的应用	第54-60页
·相关系数法实验结果及分析	第54-55页
·简单BP神经网络实验结果及分析	第55页
·支持向量机实验结果	第55-59页
·小结	第59-60页
6 结论	第60-61页
致谢	第61-62页
参考文献	第62-66页
作者在攻读硕士期间所发表的论文及参加的科研项目	第66页