基于核函数的错误分类样例研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景和现状 | 第10-11页 |
| ·研究目的和意义 | 第11页 |
| ·本文主要研究工作 | 第11-12页 |
| ·本文组织结构 | 第12-13页 |
| 第二章 核函数相关技术 | 第13-27页 |
| ·机器学习和统计学习理论 | 第13-18页 |
| ·机器学习 | 第13-17页 |
| ·统计学习理论 | 第17-18页 |
| ·核函数理论基础 | 第18-20页 |
| ·核函数方法原理 | 第18-19页 |
| ·核函数方法特点 | 第19页 |
| ·常用的核函数 | 第19-20页 |
| ·支持向量机理论 | 第20-27页 |
| ·支持向量机理论基础 | 第20-21页 |
| ·线性分类问题 | 第21-25页 |
| ·非线性可分情况 | 第25-27页 |
| 第三章 基于核的错分类数据利用 | 第27-34页 |
| ·感知器 | 第27-29页 |
| ·感知器基础理论 | 第27-28页 |
| ·感知器表征能力 | 第28页 |
| ·感知器训练法则 | 第28-29页 |
| ·基于感知器的SVM 自学习模型 | 第29-30页 |
| ·基于感知器的SVM 自学习模型的基本思想 | 第29页 |
| ·基于感知器的SVM 自学习模型的算法 | 第29-30页 |
| ·实验设计与结果评价 | 第30-34页 |
| ·实验设计 | 第30-32页 |
| ·实验结果与分析 | 第32-34页 |
| 第四章 基于核的错分类数据处理 | 第34-44页 |
| ·差分进化基础理论 | 第34-37页 |
| ·差分进化的概述 | 第34页 |
| ·差分进化的基本原理 | 第34-37页 |
| ·基于SVM 的错分类数据处理模型 | 第37-40页 |
| ·DSVM 算法思想 | 第37-39页 |
| ·DSVM 算法描述 | 第39-40页 |
| ·实验设计与结果评价 | 第40-44页 |
| ·实验设计 | 第40-42页 |
| ·实验结果与分析 | 第42-44页 |
| 第五章 总结与展望 | 第44-46页 |
| ·本文研究内容总结 | 第44-45页 |
| ·进一步的工作 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读学位期间发表的学术论文 | 第49-50页 |
| 致谢 | 第50页 |
