模糊支持向量机算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究目的和意义 | 第10页 |
| ·研究现状 | 第10-13页 |
| ·改进训练算法 | 第11-12页 |
| ·块处理算法 | 第11页 |
| ·固定工作样本集算法 | 第11页 |
| ·序贯最小化算法 | 第11-12页 |
| ·提高测试速度 | 第12页 |
| ·核函数的构造、改进以及相应参数的调整 | 第12页 |
| ·利用 SVM 解决多分类的问题 | 第12-13页 |
| ·研究内容和主要创新点 | 第13页 |
| ·内容安排 | 第13-15页 |
| 第2章 相关理论和算法 | 第15-26页 |
| ·引言 | 第15页 |
| ·统计学习理论 | 第15-18页 |
| ·VC 维 | 第15-16页 |
| ·泛化能力推广性界 | 第16-17页 |
| ·结构风险最小化原则 | 第17-18页 |
| ·支持向量机 | 第18-23页 |
| ·最优分类面与广义最优分类面 | 第18-21页 |
| ·支持向量机 | 第21-22页 |
| ·核函数 | 第22-23页 |
| ·标准模糊支持向量机 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 改进的模糊支持向量机算法 | 第26-34页 |
| ·引言 | 第26页 |
| ·样本选取方法 | 第26-28页 |
| ·k 近邻算法 | 第26-27页 |
| ·模糊 k 近邻样本预选取支持向量机分类方法 | 第27-28页 |
| ·改进的模糊支持向量机算法 | 第28-33页 |
| ·模糊特征表示方法 | 第28-29页 |
| ·模糊隶属度的确定 | 第29-30页 |
| ·阈值确定 | 第30-32页 |
| ·算法描述 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 实验结果及其分析 | 第34-40页 |
| ·样本预选取实验 | 第34-38页 |
| ·改进算法实验 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 结论 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 攻读硕士学位期间发表的论文 | 第44-45页 |
| 致谢 | 第45页 |
