支持向量机的核方法及其模型选择
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-49页 |
| ·问题的提出与研究的目的和意义 | 第12-13页 |
| ·统计学习理论的部分相关知识 | 第13-22页 |
| ·经验风险最小化归纳学习 | 第15-16页 |
| ·结构风险最小化归纳学习 | 第16-18页 |
| ·VC维 | 第18-22页 |
| ·支持向量分类 | 第22-29页 |
| ·线性可分的支持向量分类 | 第22-25页 |
| ·线性不可分的支持向量分类 | 第25-26页 |
| ·非线性支持向量分类 | 第26-29页 |
| ·核函数 | 第29-37页 |
| ·正定核 | 第31-34页 |
| ·不变性的核与点积核 | 第34-37页 |
| ·支持向量分类的性能估计 | 第37-44页 |
| ·模型选择 | 第44-47页 |
| ·模型选择应该注意的问题 | 第44-45页 |
| ·与高斯核有关的模型选择 | 第45-47页 |
| ·本文的工作 | 第47-49页 |
| ·本文的主要研究内容 | 第47-48页 |
| ·本文的主要贡献 | 第48-49页 |
| 第2章 单类支持向量机的模型选择 | 第49-83页 |
| ·单类支持向量机 | 第49-72页 |
| ·特征空间中的球 | 第49-60页 |
| ·统计特性及模型训练 | 第60-72页 |
| ·单类支持向量机的模型选择 | 第72-75页 |
| ·模型选择实验 | 第75-82页 |
| ·小结 | 第82-83页 |
| 第3章 改进转移不变核的核方法及其模型选择 | 第83-105页 |
| ·不变核存在的问题 | 第83-84页 |
| ·正则化、光滑性、渐进性 | 第84-94页 |
| ·构造全局核 | 第94-99页 |
| ·核正定性的构造性证明 | 第96-98页 |
| ·主次核 | 第98-99页 |
| ·基于遗传算法的两阶段模型选择 | 第99-101页 |
| ·SVM有关的形式化 | 第99-100页 |
| ·模型选择的具体实现 | 第100-101页 |
| ·实验 | 第101-103页 |
| ·小结 | 第103-105页 |
| 第4章 高斯核的局部改进 | 第105-119页 |
| ·核的几何性以及与度量的联系 | 第105-109页 |
| ·高斯核的局部改进 | 第109-113页 |
| ·实验 | 第113-118页 |
| ·结论 | 第118-119页 |
| 第5章 多宽度高斯核及其模型选择 | 第119-132页 |
| ·多宽度高斯核 | 第119-121页 |
| ·多参数模型选择 | 第121-125页 |
| ·实验 | 第125-131页 |
| ·小结 | 第131-132页 |
| 结论 | 第132-134页 |
| 参考文献 | 第134-146页 |
| 攻读博士学位期间发表的论文 | 第146-147页 |
| 攻读博士学位期间参加的主要科研项目 | 第147-149页 |
| 致谢 | 第149-150页 |
| 个人简历 | 第150页 |
