支持向量机及相关理论研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状和发展趋势 | 第8-9页 |
| ·SVM 中常见的几种算法 | 第9-10页 |
| ·本文的主要内容 | 第10-11页 |
| 2. 支持向量机模型 | 第11-25页 |
| ·统计学理论和VC 维[30] | 第11-12页 |
| ·结构风险最小化 | 第12-13页 |
| ·核函数 | 第13页 |
| ·支持向量机模型 | 第13-19页 |
| ·支持向量机模型基本思想 | 第13-15页 |
| ·SVM 模型公式推导过程 | 第15-19页 |
| ·SMO | 第19-23页 |
| ·SMO 概述 | 第19-20页 |
| ·SMO 算法的基本框架图 | 第20-21页 |
| ·SMO 优化过程 | 第21-23页 |
| ·KKT 条件推导过程 | 第23-25页 |
| 3. 一种基于熵和ACO 的FSVM 新方法 | 第25-34页 |
| ·引言 | 第25-26页 |
| ·FSVM 基本理论 | 第26页 |
| ·基于熵和ACO 的FSVM 新方法 | 第26-30页 |
| ·基于熵和ACO 的FSVM 理论模型 | 第26-27页 |
| ·蚁群聚类算法 | 第27-29页 |
| ·熵权隶属度 | 第29-30页 |
| ·实验设计 | 第30-33页 |
| ·小节 | 第33-34页 |
| 4. 结合概率和等价类的双系数SVM | 第34-43页 |
| ·引言 | 第34页 |
| ·PRSVM 的提出 | 第34-37页 |
| ·PRSVM 训练集 | 第35页 |
| ·PRSVM 模型 | 第35-37页 |
| ·具体实现 | 第37-39页 |
| ·聚类中心和类数的确定[41] | 第37-38页 |
| ·主体数据与外围点噪声数据的检测 | 第38页 |
| ·为每一个数据点分配概率值和等价类系数 | 第38-39页 |
| ·实验设计及结果 | 第39-42页 |
| ·小节 | 第42-43页 |
| 结论 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 攻读硕士学位期间发表学术论文情况 | 第47-48页 |
| 致谢 | 第48页 |
