| 中文摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第14-27页 |
| 1.1 研究背景与意义 | 第14-17页 |
| 1.2 国内外研究现状 | 第17-22页 |
| 1.2.1 支持向量机研究现状 | 第17-21页 |
| 1.2.2 人体活动识别研究现状 | 第21-22页 |
| 1.3 论文的研究内容与组织 | 第22-27页 |
| 1.3.1 本文主要工作及贡献 | 第22-24页 |
| 1.3.2 论文的组织结构 | 第24-27页 |
| 第2章 统计学习理论与支持向量机 | 第27-46页 |
| 2.1 统计学习理论基础 | 第27-36页 |
| 2.1.1 机器学习及其发展历程 | 第27-30页 |
| 2.1.2 统计学习理论的发展历程 | 第30-31页 |
| 2.1.3 学习过程的一致性 | 第31-32页 |
| 2.1.4 VC维 | 第32-34页 |
| 2.1.5 推广性的界 | 第34-35页 |
| 2.1.6 结构风险最小化准则 | 第35-36页 |
| 2.2 最优分类超平面与支持向量机 | 第36-45页 |
| 2.2.1 最优分类超平面 | 第36-38页 |
| 2.2.2 最优分类超平面的构造 | 第38-41页 |
| 2.2.3 支持向量机 | 第41-45页 |
| 2.3 小结 | 第45-46页 |
| 第3章 基于PCA及多级网格搜索的支持向量机算法 | 第46-69页 |
| 3.1 简介 | 第46页 |
| 3.2 支持向量机的数学本质 | 第46-52页 |
| 3.2.1 分类的概念 | 第46-47页 |
| 3.2.2 支持向量机的数学过程 | 第47-52页 |
| 3.3 主成分分析 | 第52-53页 |
| 3.4 PMSVM分类模型 | 第53-56页 |
| 3.4.1 系统归一化 | 第53-54页 |
| 3.4.2 分层K折交叉验证 | 第54页 |
| 3.4.3 多级网格搜索 | 第54-56页 |
| 3.5 实验分析 | 第56-68页 |
| 3.5.1 实验数据集及数据预处理 | 第56-57页 |
| 3.5.2 实验结果及讨论 | 第57-68页 |
| 3.6 小结 | 第68-69页 |
| 第4章 基于PCA及系综学习的支持向量机算法 | 第69-81页 |
| 4.1 简介 | 第69页 |
| 4.2 C-SVC支持向量机与核函数 | 第69-76页 |
| 4.2.1 原始问题的提出 | 第69-70页 |
| 4.2.2 原始问题与对偶问题的关系 | 第70-72页 |
| 4.2.3 构建C-SVC支持向量机分类器 | 第72页 |
| 4.2.4 Hilbert空间与核函数 | 第72-76页 |
| 4.3 PENSVM系综学习模型 | 第76-77页 |
| 4.3.1 PEnSVM的基本思想 | 第76页 |
| 4.3.2 PEnSVM模型框图及伪码表示 | 第76-77页 |
| 4.4 实验分析 | 第77-80页 |
| 4.4.1 实验数据集及数据预处理 | 第78页 |
| 4.4.2 实验结果及讨论 | 第78-80页 |
| 4.5 小结 | 第80-81页 |
| 第5章 基于少数类过抽样的支持向量机不均衡数据分类 | 第81-96页 |
| 5.1 简介 | 第81-82页 |
| 5.2 不均衡学习 | 第82-87页 |
| 5.2.1 问题的本质 | 第82-84页 |
| 5.2.2 不均衡学习算法性能评估指标 | 第84-87页 |
| 5.3 算法基本思想 | 第87-89页 |
| 5.3.1 KNN图及最小生成树的构建 | 第87-88页 |
| 5.3.2 合成样本产生方式的优化 | 第88页 |
| 5.3.3 所提出的过抽样方法 | 第88-89页 |
| 5.4 实验分析 | 第89-95页 |
| 5.4.1 实验采用的数据集 | 第89-91页 |
| 5.4.2 实验结果及讨论 | 第91-95页 |
| 5.5 小结 | 第95-96页 |
| 第6章 BENSVM及其在人体活动识别中的应用研究 | 第96-111页 |
| 6.1 简介 | 第96-97页 |
| 6.2 BENSVM算法的基本思想 | 第97-98页 |
| 6.3 实验分析 | 第98-110页 |
| 6.3.1 数据集及数据预处理 | 第98-104页 |
| 6.3.2 实验结果及讨论 | 第104-110页 |
| 6.4 小结 | 第110-111页 |
| 第7章 总结与展望 | 第111-114页 |
| 7.1 本文工作总结 | 第111-112页 |
| 7.2 后续工作展望 | 第112-114页 |
| 参考文献 | 第114-120页 |
| 在学期间的研究成果 | 第120-122页 |
| 致谢 | 第122页 |