支持向量机应用于儿童精神发育迟滞筛查的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-11页 |
| 第一章 绪论 | 第11-14页 |
| ·机器学习及其在医学中应用 | 第11-12页 |
| ·本文的研究内容和创新点 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第二章 医学背景及训练属性的确定 | 第14-23页 |
| ·基因与儿童认知发育障碍 | 第14-15页 |
| ·常见引起智力障碍的疾病及面部特征 | 第15-16页 |
| ·面部特征的获取 | 第16-18页 |
| ·确定用于诊断的依据特征 | 第18-23页 |
| 第三章 统计学习理论和支持向量机 | 第23-40页 |
| ·机器学习的研究 | 第23-30页 |
| ·Rosenblatt感知机 | 第23-25页 |
| ·机器学习的发展 | 第25-28页 |
| ·计算学习理论 | 第28-30页 |
| ·统计学习理论(SLT) | 第30-32页 |
| ·经验风险最小化原则的理论 | 第30-31页 |
| ·解决”不适定”问题的理论 | 第31页 |
| ·密度估计的非参数方法 | 第31-32页 |
| ·支持向量机(SVM) | 第32-36页 |
| ·核函数及核特征空间 | 第32-34页 |
| ·最大间隔超平面 | 第34-35页 |
| ·支持向量(SV) | 第35-36页 |
| ·支持向量机的改进趋势 | 第36-40页 |
| ·对于训练数据的优化 | 第36-37页 |
| ·对于核函数的优化 | 第37-38页 |
| ·引入专家领域知识 | 第38-40页 |
| 第四章 基于脸部特征数据对支持向量机的改进 | 第40-55页 |
| ·支持向量机应用于儿童精神发育迟滞的筛查 | 第40-46页 |
| ·学习系统设计与流程 | 第40-43页 |
| ·用学习理论进行泛化分析 | 第43-45页 |
| ·实验结果与分析 | 第45-46页 |
| ·对样本训练数据进行 PCA处理 | 第46-50页 |
| ·主成分分析(PCA)介绍 | 第46-47页 |
| ·从初始空间到主成分空间 | 第47-48页 |
| ·实验数据和分析 | 第48-50页 |
| ·对不平衡数据设置不平衡的惩罚因子 | 第50-55页 |
| ·支持向量机的软间隔优化 | 第50-51页 |
| ·惩罚因子 | 第51-52页 |
| ·实验结果及分析 | 第52-55页 |
| 第五章 对于支持向量机核函数的优化 | 第55-69页 |
| ·黎曼流形介绍 | 第55-56页 |
| ·核特征空间的黎曼分析 | 第56-57页 |
| ·基于黎曼分析的核函数的改进 | 第57-64页 |
| ·思路 | 第57-58页 |
| ·放大因子与保角变换 | 第58-59页 |
| ·参数设定 | 第59-61页 |
| ·实验结果与分析 | 第61-64页 |
| ·对于保角变换的进一步改进 | 第64-69页 |
| ·KMOD函数介绍 | 第64-66页 |
| ·将 KMOD函数引入保角变换 | 第66-67页 |
| ·参数设定 | 第67页 |
| ·实验结果与分析 | 第67-69页 |
| 第六章 总结与展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72页 |
