| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景与现状 | 第11-15页 |
| ·海洋潮流速度预测的研究背景与现状 | 第11-13页 |
| ·纹理合成(Texture Synthesis)的研究背景与现状 | 第13-14页 |
| ·物体识别的研究背景与现状 | 第14-15页 |
| ·本文所做的工作与论文的组织结构 | 第15-17页 |
| 2 文献综述 | 第17-32页 |
| ·引言 | 第17页 |
| ·支持向量机回归 | 第17-25页 |
| ·支持向量机(Support Vector Machine) | 第17-22页 |
| ·支持向量机回归 | 第22-24页 |
| ·线性支持向量机回归 | 第22-24页 |
| ·非线性支持向量机回归 | 第24页 |
| ·回归估计中的风险问题 | 第24-25页 |
| ·半监督学习方法 | 第25-32页 |
| ·半监督学习发展 | 第25-26页 |
| ·生成式模型 | 第26-28页 |
| ·EM 算法 | 第28-30页 |
| ·自训练算法 | 第30页 |
| ·转导支持向量机 | 第30-32页 |
| 3 基于支持向量机回归的潮流速度预测 | 第32-44页 |
| ·海洋水动力环境背景 | 第32-36页 |
| ·研究海域简介 | 第32页 |
| ·POM 模型 | 第32-35页 |
| ·海带生长模型 | 第35-36页 |
| ·受海带阻力影响的潮流速度预测 | 第36-41页 |
| ·各种相关数据与实测数据的比对 | 第36-39页 |
| ·潮流速度预测流程 | 第39-40页 |
| ·潮流速度预测结果图 | 第40-41页 |
| ·潮流流场预测 | 第41-44页 |
| 4 基于转导支持向量机的自相似纹理合成 | 第44-55页 |
| ·转导支持向量机 | 第44-47页 |
| ·转导支持向量机原理 | 第44-46页 |
| ·转导支持向量机算法 | 第46-47页 |
| ·转导支持向量机二维纹理合成 | 第47-51页 |
| ·SVM_Light 介绍 | 第47-48页 |
| ·纹理合成算法流程 | 第48-51页 |
| ·合成实验结果及分析 | 第51-55页 |
| 5 基于转导支持向量机的决策树分类 | 第55-62页 |
| ·决策树算法 | 第55-56页 |
| ·特征提取 | 第56-58页 |
| ·HOG 特征 | 第56-57页 |
| ·Gabor 特征 | 第57-58页 |
| ·基于动态基的物体分类技术 | 第58-59页 |
| ·多组实验结果 | 第59-62页 |
| 6 总结与展望 | 第62-64页 |
| ·本文的主要工作创新 | 第62页 |
| ·对今后研究工作的展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |
| 发表的学术论文 | 第68页 |
| 研究成果 | 第68页 |