支持向量机学习算法研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| ·SVM算法研究现状 | 第9-10页 |
| ·目前研究成果及存在问题 | 第10-13页 |
| ·本文主要研究工作 | 第13-16页 |
| ·主要工作简介 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 支持向量机基本理论 | 第16-30页 |
| ·统计学习理论概述 | 第16-20页 |
| ·期望风险和经验风险 | 第16-17页 |
| ·VC维 | 第17-19页 |
| ·结构风险最小化 | 第19-20页 |
| ·最大间隔原则 | 第20-21页 |
| ·线性可分支持向量分类机 | 第21-26页 |
| ·规范超平面与间隔 | 第21-22页 |
| ·对偶问题及其与原始问题的关系 | 第22-23页 |
| ·线性可分支持向量分类机算法 | 第23-24页 |
| ·软间隔技术 | 第24-26页 |
| ·非线性可分支持向量分类机 | 第26-29页 |
| ·非线性支持向量机概述 | 第26-27页 |
| ·核函数及选择 | 第27-29页 |
| ·非线性支持向量机分类算法 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第三章 支持向量机学习算法 | 第30-38页 |
| ·停机准则 | 第30-32页 |
| ·二次规划算法 | 第32-33页 |
| ·分解算法 | 第33-36页 |
| ·Chunking算法 | 第33-35页 |
| ·SVMLight算法 | 第35-36页 |
| ·SMO算法 | 第36页 |
| ·增量算法 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 支持向量机增量算法 | 第38-48页 |
| ·支持向量机增量算法简介 | 第38-42页 |
| ·增量学习 | 第39-41页 |
| ·减量学习 | 第41-42页 |
| ·均衡化的改进K均值聚类算法 | 第42-43页 |
| ·改进的增量算法 | 第43-45页 |
| ·支持向量变化分析 | 第43-44页 |
| ·去除无用样本 | 第44-45页 |
| ·增量式SVM训练步骤 | 第45页 |
| ·实验 | 第45-47页 |
| ·实验一 | 第45-47页 |
| ·实验二 | 第47页 |
| ·小结 | 第47-48页 |
| 第五章 支持向量机SMO算法 | 第48-57页 |
| ·不同惩罚系数的SVM | 第48-49页 |
| ·SMO算法 | 第49-50页 |
| ·SMO算法 | 第49-50页 |
| ·Keerthi改进的SMO算法 | 第50页 |
| ·改进的SMO算法 | 第50-52页 |
| ·改进的SMO算法分析 | 第50-51页 |
| ·改进的SMO算法 | 第51-52页 |
| ·实验 | 第52-55页 |
| ·实验一 | 第52-54页 |
| ·实验二 | 第54-55页 |
| ·小结 | 第55-57页 |
| 第六章 总结和展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间所做的科研工作 | 第64-65页 |
| 致谢 | 第65-66页 |
| 详细摘要 | 第66-68页 |
