多核学习方法在分类问题中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 国内外研究现状 | 第9-10页 |
| 1.2 选题背景及意义 | 第10-11页 |
| 1.3 本文的研究内容和安排 | 第11-13页 |
| 2 多核学习方法理论 | 第13-33页 |
| 2.1 SVM理论 | 第13-18页 |
| 2.1.1 C-SVM | 第13-15页 |
| 2.1.2 ν-SVM | 第15-16页 |
| 2.1.3 LS-SVM | 第16-18页 |
| 2.2 多核SVM | 第18-23页 |
| 2.2.1 SILP算法 | 第19-21页 |
| 2.2.2 基于CG的SILP改进算法 | 第21-22页 |
| 2.2.3 基于CA的SILP改进算法 | 第22-23页 |
| 2.3 多核SVM在基准分类数据集中的应用 | 第23-32页 |
| 2.3.1 分类算法的评价指标 | 第24页 |
| 2.3.2 数据的预处理及参数优化方法 | 第24-25页 |
| 2.3.3 核函数及参数的选择 | 第25-26页 |
| 2.3.4 多核SVM在基准二分类数据集中的应用 | 第26-29页 |
| 2.3.5 多核SVM在基准多分类数据集中的应用 | 第29-32页 |
| 2.4 小结 | 第32-33页 |
| 3 多核SVM在手写体数字识别中的应用研究 | 第33-40页 |
| 3.1 手写体数据的预处理 | 第34页 |
| 3.2 多核SVM在USPS数据集中的应用研究 | 第34-36页 |
| 3.3 多核SVM在MNIST数据集中的应用研究 | 第36-38页 |
| 3.4 小结 | 第38-40页 |
| 4 多核SVM在生物医电问题中的应用研究 | 第40-48页 |
| 4.1 多核SVM在心电图信号识别中的应用研究 | 第40-44页 |
| 4.1.1 数据的选取和预处理 | 第41-42页 |
| 4.1.2 分类结果比较 | 第42-44页 |
| 4.2 多核SVM在脑电图信号识别中的应用研究 | 第44-47页 |
| 4.2.1 数据的选取和预处理 | 第45页 |
| 4.2.2 分类结果比较 | 第45-47页 |
| 4.3 小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读学位期间的研究成果 | 第54页 |
