支持向量机的核方法研究及其在森林火灾视频识别中的应用
| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 第1章 绪论 | 第15-25页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 统计学习与支持向量机研究现状 | 第16-20页 |
| 1.3 研究内容与研究路线 | 第20-22页 |
| 1.3.1 研究内容 | 第20-21页 |
| 1.3.2 创新点 | 第21页 |
| 1.3.3 研究路线 | 第21-22页 |
| 1.4 论文组织结构 | 第22-24页 |
| 1.5 主要符号 | 第24-25页 |
| 第2章 核函数基本理论及发展趋势 | 第25-45页 |
| 2.1 引言 | 第25页 |
| 2.2 统计学习理论 | 第25-29页 |
| 2.2.1 分类问题的统计学提法 | 第25-26页 |
| 2.2.2 经验风险最小化原则 | 第26-27页 |
| 2.2.3 VC 维 | 第27页 |
| 2.2.4 结构风险最小化原则 | 第27-29页 |
| 2.3 支持向量机理论 | 第29-38页 |
| 2.3.1 线性可分最优分类面 | 第29-32页 |
| 2.3.2 线性不可分最优分类面 | 第32-35页 |
| 2.3.3 实现方法 | 第35-37页 |
| 2.3.4 支持向量机的优缺点 | 第37-38页 |
| 2.4 核函数基本理论 | 第38-41页 |
| 2.4.1 核函数及其特征 | 第38-39页 |
| 2.4.2 核函数的判定和常用核函数 | 第39-40页 |
| 2.4.3 支持向量机中核函数的选取及构造 | 第40-41页 |
| 2.4.4 特征空间的距离和数据中性化 | 第41页 |
| 2.5 核方法研究现状及趋势 | 第41-43页 |
| 2.6 小结 | 第43-45页 |
| 第3章 支持向量机常用核函数泛化能力研究 | 第45-64页 |
| 3.1 研究内容 | 第45页 |
| 3.2 评估方法模型 | 第45-49页 |
| 3.2.1 k-折交叉确认 | 第46-47页 |
| 3.2.2 LOO 误差 | 第47-48页 |
| 3.2.3 改进配对样本t检验 | 第48-49页 |
| 3.3 模型评估准则 | 第49-54页 |
| 3.3.1 加权AUC定义 | 第51-52页 |
| 3.3.2 加权AUC性质分析 | 第52-54页 |
| 3.4 实验与分析 | 第54-62页 |
| 3.4.1 实验数据及结果 | 第54-60页 |
| 3.4.2 结果分析 | 第60-62页 |
| 3.5 小结 | 第62-64页 |
| 第4章 径向基核函数改进算法研究 | 第64-82页 |
| 4.1 研究内容 | 第64页 |
| 4.2 径向基核 SVM 模型构造基本步骤 | 第64-66页 |
| 4.3 动态径向基核宽度 | 第66-67页 |
| 4.4 动态径向基核尺度 | 第67-73页 |
| 4.4.1 欧氏度量 | 第67-68页 |
| 4.4.2 角度度量 | 第68-69页 |
| 4.4.3 黎曼度量 | 第69-70页 |
| 4.4.4 径向基核的尺度改进 | 第70-73页 |
| 4.5 实验与分析 | 第73-81页 |
| 4.6 小结 | 第81-82页 |
| 第5章 基于径向基核的多核构造研究 | 第82-101页 |
| 5.1 研究内容 | 第82-83页 |
| 5.2 常用多核构造方法 | 第83-87页 |
| 5.2.1 多核线性组合构造法 | 第83-84页 |
| 5.2.2 多核扩展构造法 | 第84-85页 |
| 5.2.3 多尺度核构造法 | 第85-86页 |
| 5.2.4 其他多核构造法 | 第86-87页 |
| 5.3 基于径向基核的动态多核函数构造 | 第87-90页 |
| 5.4 实验与分析 | 第90-99页 |
| 5.5 小结 | 第99-101页 |
| 第6章 基于相似度的核矩阵构造方法研究 | 第101-116页 |
| 6.1 研究内容 | 第101-102页 |
| 6.2 核函数的判定 | 第102-105页 |
| 6.2.1 核函数的定义判定法 | 第102-103页 |
| 6.2.2 核矩阵判定方法 | 第103-105页 |
| 6.3 常用核函数构造方法 | 第105-106页 |
| 6.4 基于相似度的核矩阵构造方法 | 第106-109页 |
| 6.4.1 测试样本核矩阵构造 | 第106-107页 |
| 6.4.2 未知样本核矩阵构造 | 第107-109页 |
| 6.5 实验与分析 | 第109-114页 |
| 6.6 小结 | 第114-116页 |
| 第7章 核函数研究在森林火灾视频识别中的应用 | 第116-132页 |
| 7.1 应用背景 | 第116页 |
| 7.2 特征提取 | 第116-122页 |
| 7.2.1 前景切割 | 第117-119页 |
| 7.2.2 纹理特征提取 | 第119页 |
| 7.2.3 动态特征提取 | 第119-122页 |
| 7.2.4 几何特征提取 | 第122页 |
| 7.3 基于改进遗传算法的特征选择 | 第122-124页 |
| 7.3.1 适应度函数设计 | 第122-123页 |
| 7.3.2 设定遗传因子和终止条件 | 第123-124页 |
| 7.3.3 算法流程 | 第124页 |
| 7.4 实验与分析 | 第124-129页 |
| 7.5 与已有算法的比较 | 第129-131页 |
| 7.6 小结 | 第131-132页 |
| 第8章 总结与展望 | 第132-135页 |
| 参考文献 | 第135-146页 |
| 致谢 | 第146-147页 |
| 攻读学位期间发表的论文 | 第147页 |
