基于支持向量机的海量天体光谱数据分类系统研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 引言 | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·数据挖掘 | 第8-9页 |
| ·机器学习 | 第9-11页 |
| ·LAMOST 项目介绍 | 第11页 |
| ·本文的研究内容和组织结构 | 第11-13页 |
| 第二章 支持向量机 | 第13-25页 |
| ·引言 | 第13页 |
| ·统计学习理论 | 第13-16页 |
| ·支持向量机分类 | 第16-22页 |
| ·交叉验证 | 第22-23页 |
| ·核函数 | 第23页 |
| ·支持向量机的研究现状 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 优化算法 | 第25-35页 |
| ·引言 | 第25页 |
| ·块算法 | 第25-26页 |
| ·分解算法 | 第26页 |
| ·序贯最小优化算法 | 第26-34页 |
| ·小结 | 第34-35页 |
| 第四章 支持向量机多类分类实现方法 | 第35-43页 |
| ·引言 | 第35页 |
| ·多类分类问题 | 第35-37页 |
| ·层次型聚类支持向量机方法 | 第37-41页 |
| ·HC-SVMS 分类器 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第五章 恒星光谱数据多类分类研究与实现 | 第43-52页 |
| ·引言 | 第43页 |
| ·恒星光谱数据 | 第43-45页 |
| ·系统功能与体系结构 | 第45-46页 |
| ·实验数据 | 第46-47页 |
| ·实验环境 | 第47页 |
| ·实验比较与分析 | 第47-51页 |
| ·小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 发表文章目录 | 第55-56页 |
| 致谢 | 第56页 |
