求解分类问题的支持向量机方法与应用研究
| 第一章 绪论 | 第1-26页 |
| ·机器学习 | 第7-9页 |
| ·统计学习理论 | 第9-12页 |
| ·支持向量机基本思想 | 第12-19页 |
| ·支持向量机的研究现状 | 第19-24页 |
| ·论文研究的主要内容和结构 | 第24-26页 |
| 第二章 支持向量机的理论基础和模型 | 第26-39页 |
| ·支持向量机的优化理论基础 | 第26-29页 |
| ·支持向量分类机的各种模型 | 第29-35页 |
| ·支持向量回归机的各种模型 | 第35-38页 |
| ·小结 | 第38-39页 |
| 第三章 求解分类问题的一个新途径——SVR方法 | 第39-56页 |
| ·一般形式的SVR模型 | 第39-40页 |
| ·使用高斯损失函数的SVR模型 | 第40-42页 |
| ·求解分类问题的SVR模型 | 第42-47页 |
| ·简化的SMO算法 | 第47-50页 |
| ·求解分类问题的SVR线性规划模型 | 第50-51页 |
| ·求解多类问题的SVR线性规划模型 | 第51-53页 |
| ·数值试验 | 第53-55页 |
| ·小结 | 第55-56页 |
| 第四章 中心支持向量分类机的扩展 | 第56-70页 |
| ·基本思想 | 第56-60页 |
| ·加权的PSVMC | 第60-62页 |
| ·多类问题分类模型 | 第62-64页 |
| ·不确定PSVMC | 第64-68页 |
| ·小结 | 第68-70页 |
| 第五章 改进的推理型支持向量分类机 | 第70-82页 |
| ·原始最优化问题 | 第70-74页 |
| ·改进的推理型支持向量机 | 第74-78页 |
| ·网络入侵检测的新方法 | 第78-81页 |
| ·小结 | 第81-82页 |
| 第六章 基于支持向量机的海水工厂化养殖环境监测 | 第82-89页 |
| ·海水养殖问题研究的背景和意义 | 第82-83页 |
| ·支持向量机应用于海水养殖问题的提出 | 第83-85页 |
| ·支持向量机在大菱鲆养殖中的应用 | 第85-88页 |
| ·小结 | 第88-89页 |
| 第七章 结论与展望 | 第89-91页 |
| 参考文献 | 第91-97页 |
| 致谢 | 第97-98页 |
| 附录 河北省唐山中惠养殖场大菱鲆养殖监测数据表 | 第98-104页 |
| 个人简历 | 第104页 |
