支持向量机算法的若干改进及其研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 选题的背景和意义 | 第8-9页 |
| 1.2 支持向量机算法的研究现状 | 第9-11页 |
| 1.2.1 支持向量机理论的研究现状 | 第9-10页 |
| 1.2.2 支持向量机学习算法的研究现状 | 第10-11页 |
| 1.2.3 支持向量机的应用研究现状 | 第11页 |
| 1.3 论文的研究内容 | 第11-12页 |
| 1.4 全文体系结构 | 第12-14页 |
| 2 支持向量机理论基础 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 VC维 | 第14-15页 |
| 2.3 泛化误差界 | 第15-16页 |
| 2.4 结构风险最小化原则 | 第16页 |
| 2.5 线性支持向量机 | 第16-19页 |
| 2.6 非线性支持向量机 | 第19-22页 |
| 3 基于距离度量的支持向量机改进算法研究 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 改进松弛变量的支持向量机 | 第22-26页 |
| 3.3 算法描述 | 第26-27页 |
| 3.4 数据复杂度的度量指标 | 第27-29页 |
| 3.4.1 Fisher判别率 | 第27页 |
| 3.4.2 重叠率 | 第27-28页 |
| 3.4.3 可选度量 | 第28-29页 |
| 3.5 实验测试 | 第29-34页 |
| 3.5.1 析因实验 | 第29-31页 |
| 3.5.2 标准数据库对比实验 | 第31-34页 |
| 4 基于模糊集和粗糙集的支持向量聚类算法研究 | 第34-44页 |
| 4.1 引言 | 第34页 |
| 4.2 超球体支持向量聚类算法 | 第34-37页 |
| 4.3 模糊-粗糙支持向量聚类算法 | 第37-40页 |
| 4.4 实验测试 | 第40-44页 |
| 4.4.1 Motivation数据集实验 | 第40-42页 |
| 4.4.2 对比实验 | 第42-44页 |
| 5 基于模糊支持向量机的多标签分类方法改进 | 第44-54页 |
| 5.1 引言 | 第44-45页 |
| 5.2 多标签分类 | 第45-48页 |
| 5.3 模糊支持向量机决策边界的改进 | 第48-51页 |
| 5.4 实验结果及分析 | 第51-54页 |
| 6 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 在学期间的研究成果 | 第60-62页 |
| 致谢 | 第62页 |
