基于聚类的增量支持向量机动态构造方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·选题背景与研究意义 | 第10页 |
| ·研究内容 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·论文组织结构 | 第15-16页 |
| 第2章 相关技术 | 第16-37页 |
| ·机器学习理论 | 第16-20页 |
| ·机器学习定义 | 第16-19页 |
| ·任务与评价标准 | 第19-20页 |
| ·统计学习理论 | 第20-25页 |
| ·经验风险最小化 | 第20-22页 |
| ·学习一致性 | 第22-23页 |
| ·Vapnik-Chevonenkis维理论 | 第23-24页 |
| ·结构风险最小化 | 第24-25页 |
| ·支持向量机概述 | 第25-30页 |
| ·支持向量机 | 第25-26页 |
| ·最优超平面 | 第26-29页 |
| ·支持向量 | 第29-30页 |
| ·支持向量机变形算法 | 第30-36页 |
| ·C-SVM算法 | 第31-32页 |
| ·γ-SVM算法 | 第32-33页 |
| ·One-ClassSVM算法 | 第33-35页 |
| ·LS-SVM算法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 支持向量机增量学习算法 | 第37-45页 |
| ·数据流 | 第37-40页 |
| ·数据流概念及其特点 | 第37-38页 |
| ·数据流挖掘 | 第38-40页 |
| ·增量学习 | 第40页 |
| ·支持向量机增量学习 | 第40-44页 |
| ·支持向量机增量学习思想 | 第41-43页 |
| ·支持向量机增量学习算法 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于聚类的增量支持向量机动态构造方法 | 第45-57页 |
| ·聚类分析方法 | 第45-47页 |
| ·增量支持向量机动态构造方法 | 第47-53页 |
| ·w-model增量学习方法及其改进策略 | 第47-49页 |
| ·基于聚类的增量支持向量机动态构造算法 | 第49-51页 |
| ·基于聚类划分的多支持向量机分类器选择算法 | 第51-53页 |
| ·仿真实验与算法性能分析 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
