首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于额外信息的支持向量机模型和算法研究

摘要第1-5页
Abstract第5-7页
符号表第7-11页
第一章 引言第11-15页
   ·研究背景第11-13页
   ·研究目标与研究内容第13-14页
   ·论文的组织结构第14-15页
第二章 支持向量分类机第15-29页
   ·支持向量分类机第15-18页
   ·单类支持向量分类机第18-20页
   ·相对间隔支持向量分类机第20-22页
   ·极小化类内方差支持向量分类机第22-24页
   ·双支持向量分类机第24-26页
   ·学习隐藏信息的方法第26-29页
第三章 一种基于隐藏信息的单类支持向量机模型和算法第29-43页
   ·一种基于隐藏信息的单类支持向量机模型第29-30页
   ·数值试验第30-42页
   ·小结第42-43页
第四章 一种改进的相对间隔支持向量机模型和算法第43-51页
   ·基于隐藏信息的线性相对间隔支持向量机模型第43-45页
   ·基于隐藏信息的非线性相对间隔支持向量机模型第45-47页
   ·数值实验第47-48页
   ·小结第48-51页
第五章 极小化类方差的SVM+分类模型和算法第51-62页
   ·线性极小化类方差SVM+模型第51-54页
   ·非线性极小化类方差SVM+模型第54-56页
   ·数值实验第56-59页
   ·小结第59-62页
第六章 基于相对间隔的双支持向量机模型和算法第62-73页
   ·线性相对间隔双支持向量机第62-64页
   ·非线性相对间隔双支持向量机第64-65页
   ·数值实验第65-68页
   ·小结第68-73页
第七章 总结与展望第73-75页
   ·总结第73页
   ·展望第73-75页
参考文献第75-82页
致谢第82-83页
个人简历第83页

论文共83页,点击 下载论文
上一篇:目标驱动—情境感知的柔性Web服务组合研究
下一篇:中国农业创新经纪人研究