基于模糊聚类的选择性支持向量机集成
| 摘要 | 第1-4页 |
| Abstract | 第4-13页 |
| 第1章 引言 | 第13-17页 |
| ·支持向量机的背景 | 第13页 |
| ·支持向量机的应用研究现状 | 第13-17页 |
| ·人脸检测、验证和识别 | 第13-14页 |
| ·说话人/语音识别 | 第14-15页 |
| ·文字/手写体识别 | 第15页 |
| ·图像处理 | 第15-16页 |
| ·其它应用研究 | 第16-17页 |
| 第2章 支持向量机概述 | 第17-30页 |
| ·支持向量机的基本思想 | 第17-18页 |
| ·支持向量机的原理 | 第18-23页 |
| ·核函数 | 第23-27页 |
| ·核函数的选取 | 第23-24页 |
| ·常用的几种核函数 | 第24-27页 |
| ·机器学习 | 第27页 |
| ·结构风险最小化 | 第27-30页 |
| 第3章 基于模糊聚类的SVM集成 | 第30-40页 |
| ·模糊聚类 | 第30-33页 |
| ·C-均值聚类算法 | 第30-32页 |
| ·基于模糊C-均值算法的模糊聚类 | 第32-33页 |
| ·机器学习的集成 | 第33-36页 |
| ·分类器集成概念 | 第33-34页 |
| ·分类器集成原理 | 第34-36页 |
| ·支持向量机集成 | 第36-40页 |
| ·形成子支持向量机 | 第37-39页 |
| ·基于模糊聚类的SVM集成 | 第39-40页 |
| 第4章 基于模糊聚类的选择性支持向量机集成 | 第40-42页 |
| ·相关研究 | 第40页 |
| ·算法介绍 | 第40-42页 |
| 第5章 算法实现 | 第42-50页 |
| ·实验平台及工具 | 第42-44页 |
| ·实验步骤 | 第44-46页 |
| ·实验结果及分析 | 第46-48页 |
| ·数据优化 | 第48-50页 |
| 第6章 总结与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56-57页 |
| 原创性声明 | 第57页 |
| 关于学位论文使用授权的声明 | 第57页 |
