半监督支持向量机学习算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·无监督学习研究 | 第13-14页 |
| ·监督学习研究 | 第14页 |
| ·半监督学习研究 | 第14-16页 |
| ·支持向量机研究 | 第16-18页 |
| ·半监督支持向量机研究 | 第18页 |
| ·论文的研究内容与组织结构 | 第18-22页 |
| 第2章 半监督支持向量机算法概述 | 第22-42页 |
| ·统计学习理论 | 第22-27页 |
| ·学习一致性 | 第22-24页 |
| ·VC 维 | 第24页 |
| ·结构风险最小化 | 第24-25页 |
| ·概率近似正确 | 第25-27页 |
| ·支持向量机算法 | 第27-34页 |
| ·线性可分 | 第27-29页 |
| ·非线性可分 | 第29-31页 |
| ·多类支持向量机 | 第31-34页 |
| ·半监督支持向量机算法 | 第34-41页 |
| ·基于组合的半监督支持向量机 | 第36-38页 |
| ·基于连续法的半监督支持向量机 | 第38-40页 |
| ·半监督支持向量机多分类算法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 最小二乘支持向量机半监督学习算法 | 第42-62页 |
| ·问题的提出 | 第42-43页 |
| ·相关基础研究 | 第43-49页 |
| ·最小二乘支持向量机 | 第43-45页 |
| ·直推式支持向量机 | 第45-49页 |
| ·最小二乘支持向量机半监督学习算法 | 第49-56页 |
| ·算法思想 | 第49-51页 |
| ·区域标注法 | 第51-54页 |
| ·算法描述 | 第54-56页 |
| ·仿真实验与结果分析 | 第56-61页 |
| ·数据集 | 第56-57页 |
| ·实验结果分析 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第4章 分枝定界半监督支持向量机学习算法 | 第62-84页 |
| ·问题的提出 | 第62-63页 |
| ·相关基础研究 | 第63-66页 |
| ·分枝定界算法 | 第63-65页 |
| ·均衡约束 | 第65-66页 |
| ·改进的分枝定界半监督支持向量机学习算法 | 第66-78页 |
| ·分枝定界半监督支持向量机 | 第66-67页 |
| ·分枝定界树的构造 | 第67-68页 |
| ·定界规则 | 第68-70页 |
| ·分枝方法 | 第70-71页 |
| ·算法描述 | 第71-72页 |
| ·仿真实验与结果分析 | 第72-78页 |
| ·分枝定界半监督支持向量机并行学习算法 | 第78-82页 |
| ·算法描述 | 第78-81页 |
| ·仿真实验与结果分析 | 第81-82页 |
| ·本章小结 | 第82-84页 |
| 第5章 半监督支持向量数据域描述多分类学习算法 | 第84-106页 |
| ·问题的提出 | 第84-85页 |
| ·相关研究工作 | 第85-97页 |
| ·单分类支持向量机算法 | 第85-92页 |
| ·核函数分析 | 第92-96页 |
| ·等价条件分析 | 第96-97页 |
| ·半监督支持向量数据域描述多分类学习算法 | 第97-102页 |
| ·半监督支持向量数据域描述算法 | 第98-100页 |
| ·非目标样本标注 | 第100-101页 |
| ·算法描述 | 第101-102页 |
| ·仿真实验与结果分析 | 第102-105页 |
| ·本章小结 | 第105-106页 |
| 结论 | 第106-108页 |
| 参考文献 | 第108-120页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第120-121页 |
| 致谢 | 第121页 |
