面向大规模数据的支持向量机核函数改进研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究现状及意义 | 第9-12页 |
| 1.3 研究内容及结构安排 | 第12-14页 |
| 2 相关基础理论 | 第14-26页 |
| 2.1 支持向量机的理论基础 | 第14-16页 |
| 2.1.1 VC维 | 第14页 |
| 2.1.2 结构风险最小化原理 | 第14-15页 |
| 2.1.3 分类间隔 | 第15-16页 |
| 2.2 支持向量机的核函数 | 第16-21页 |
| 2.2.1 核函数的定义 | 第16-17页 |
| 2.2.2 核函数的性质及构造 | 第17-18页 |
| 2.2.3 核函数的类别 | 第18-19页 |
| 2.2.4 核函数的选择 | 第19-21页 |
| 2.3 参数寻优算法 | 第21-26页 |
| 2.3.1 参数寻优算法的类别 | 第21-22页 |
| 2.3.2 遗传算法 | 第22-24页 |
| 2.3.3 人工蜂群算法 | 第24-26页 |
| 3 面向大规模数据的AW核 | 第26-36页 |
| 3.1 大规模数据的特性与正交多项式核的特性 | 第26-27页 |
| 3.2 AW核函数的构造 | 第27-29页 |
| 3.2.1 Askey-Wilson多项式 | 第27-28页 |
| 3.2.2 AW核函数 | 第28-29页 |
| 3.3 AW核函数的有效性检验 | 第29-35页 |
| 3.3.1 双螺旋数据集上的检验 | 第29-30页 |
| 3.3.2 标准分类数据集上的检验 | 第30-33页 |
| 3.3.3 大规模数据集上的检验 | 第33-35页 |
| 3.3.4 结果分析 | 第35页 |
| 3.4 小结 | 第35-36页 |
| 4 AW核的参数寻优算法 | 第36-55页 |
| 4.1 参数寻优算法对AW核的影响 | 第36页 |
| 4.2 G-ABCA融合算法 | 第36-45页 |
| 4.2.1 G-ABCA融合算法的原理 | 第36-39页 |
| 4.2.2 G-ABCA融合算法的收敛性 | 第39-41页 |
| 4.2.3 G-ABCA融合算法的有效性检验 | 第41-45页 |
| 4.2.4 结果分析 | 第45页 |
| 4.3 AW核的参数寻优算法筛选 | 第45-54页 |
| 4.3.1 实验参数 | 第45-46页 |
| 4.3.2 结果分析 | 第46-54页 |
| 4.4 小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60-66页 |
| 作者简历 | 第66-68页 |
| 学位论文数据集 | 第68-69页 |
