基于间隔分布优化的大间隔分类器改进方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 本文工作 | 第14-15页 |
| 第2章 LDM模型算法分析 | 第15-26页 |
| 2.1 LDM的提出 | 第15-19页 |
| 2.2 LDM的求解过程 | 第19-24页 |
| 2.2.1 双坐标下降法 | 第19-22页 |
| 2.2.2 随机梯度下降法 | 第22-24页 |
| 2.3 LDM的不足 | 第24-26页 |
| 第3章 基于Nystr?m的效率优化 | 第26-39页 |
| 3.1 Nystr?m方法简介 | 第26-28页 |
| 3.2 Nystr?m-LDM | 第28-37页 |
| 3.2.1 核矩阵的低秩近似 | 第29-30页 |
| 3.2.2 路标点选择策略 | 第30-35页 |
| 3.2.3 Nystr?m处理大规模LDM | 第35-37页 |
| 3.3 实验结果与分析 | 第37-39页 |
| 第4章 LDM在多类问题上的推广 | 第39-47页 |
| 4.1 多标签学习框架 | 第39-42页 |
| 4.2 ML-LDM | 第42-44页 |
| 4.3 实验结果分析 | 第44-47页 |
| 第5章 总结和展望 | 第47-49页 |
| 5.1 结论 | 第47-48页 |
| 5.2 工作展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 作者简介 | 第52-53页 |
| 致谢 | 第53页 |
