| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题背景及意义 | 第10-11页 |
| ·国内外现研究状 | 第11-16页 |
| ·一阶支持张量机研究现状 | 第11-12页 |
| ·一阶支持张量机多分类研究现状 | 第12-15页 |
| ·高阶支持张量机研究现状 | 第15-16页 |
| ·本文的研究方向 | 第16-17页 |
| ·本文的组织 | 第17-18页 |
| 第二章 一阶支持张量机原理 | 第18-30页 |
| ·一阶支持张量机简介 | 第18页 |
| ·线性一阶支持张量机模型 | 第18-20页 |
| ·近似线性一阶支持张量机模型 | 第20-21页 |
| ·非线性一阶支持张量机模型 | 第21-23页 |
| ·比较的一阶支持张量机多分类算法简介 | 第23-27页 |
| ·标准二分类一阶支持张量机 | 第23-24页 |
| ·OAO-SVM 算法 | 第24页 |
| ·OAA-SVM 算法 | 第24-25页 |
| ·R-OAA-SVM 算法 | 第25-26页 |
| ·BTS 算法 | 第26-27页 |
| ·多空间高阶支持张量机 | 第27-28页 |
| ·SVM 的优点和缺点 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 高阶支持张量机原理 | 第30-40页 |
| ·高阶支持张量机简介 | 第30-32页 |
| ·张量简介 | 第30-31页 |
| ·基本定义 | 第31-32页 |
| ·三阶张量的最佳秩-r 逼近算法 | 第32-33页 |
| ·线性高阶支持张量机模型 | 第33-36页 |
| ·近似线性高阶支持张量机模型 | 第36-37页 |
| ·线性支持高阶张量机模型 | 第37-38页 |
| ·高阶支持张量机和一阶支持张量机对比分析 | 第38-39页 |
| ·SHTM 与 SVM、STM 的不同点 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于一对多分割的二叉树支持张量机算法 | 第40-49页 |
| ·基本思想 | 第40页 |
| ·划分函数 | 第40-42页 |
| ·基于集合离散度划分函数 | 第40-41页 |
| ·改进的基于集合相似度划分函数 | 第41-42页 |
| ·基于问题中心划分函数 | 第42页 |
| ·提出的算法 | 第42-45页 |
| ·SBT-SVM 算法 | 第42-43页 |
| ·MBT-SVM 算法 | 第43-44页 |
| ·MBT-SHTM 算法 | 第44-45页 |
| ·复杂度分析 | 第45-47页 |
| ·基于 SVM 多分类算法复杂度比较 | 第45-47页 |
| ·基于 SVM 与 SHTM 多分类算法复杂度比较 | 第47页 |
| ·本章小结 | 第47-49页 |
| 第五章 实验结果与分析 | 第49-60页 |
| ·基本说明 | 第49页 |
| ·数据集 | 第49-52页 |
| ·数据基本信息 | 第49-51页 |
| ·数据集预处理 | 第51-52页 |
| ·选择最优的划分函数 | 第52-53页 |
| ·一阶张量数据集上的结果与分析 | 第53-56页 |
| ·高阶张量数据集上的结果与分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |