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--自动推理、机器学习论文

高效支持向量机的研究与实现

摘要第5-6页
abstract第6-7页
缩略词表第13-14页
第一章 绪论第14-18页
    1.1 本文研究背景第14-15页
    1.2 SVM国内外研究现状第15-16页
    1.3 本文主要研究内容第16-18页
第二章 支持向量机理论第18-35页
    2.1 统计学习理论第18-21页
        2.1.1 统计学习基础第18-19页
        2.1.2 经验风险与结构风险第19-20页
        2.1.3 分类和准确率第20-21页
    2.2 支持向量分类机第21-29页
        2.2.1 线性可分SVM第21-25页
            2.2.1.1 线性可分SVM概念第21-22页
            2.2.1.2 函数间隔和几何间隔第22-24页
            2.2.1.3 间隔最大化与支持向量第24-25页
        2.2.2 线性SVM第25-27页
            2.2.2.1 线性SVM的概念第25-26页
            2.2.2.2 线性SVM学习的对偶算法第26-27页
        2.2.3 非线性SVM第27-29页
            2.2.3.1 非线性SVM学习算法第27-29页
            2.2.3.2 常用的核函数第29页
    2.3 最优训练参数组搜索理论第29-34页
        2.3.1 多类分类问题第29-30页
        2.3.2 最优训练参数组第30-31页
            2.3.2.1 网格搜索法第30页
            2.3.2.2 交叉验证第30-31页
        2.3.3 SVM实现算法第31-34页
            2.3.3.1 SMO算法第31页
            2.3.3.2 改进的SVM实现算法第31-34页
    2.4 本章小结第34-35页
第三章 基于SDPM算法的搜索SVM最优训练参数组实现第35-57页
    3.1 引言第35-36页
        3.1.1 SVM搜索OTPC时面临的问题第35页
        3.1.2 本章实现方案概述第35-36页
    3.2 基于SDPM算法的搜索OTPC的软件实现第36-39页
        3.2.1 SDPM算法第36-37页
            3.2.1.1 SDPM算法原理第36页
            3.2.1.2 SDPM算法复杂度分析第36-37页
        3.2.2 基于SDPM算法的软件实现第37-39页
            3.2.2.1 软件设计思想第37页
            3.2.2.2 软件实现流程第37-39页
    3.3 基于SDPM算法的搜索OTPC的软硬件协同实现第39-55页
        3.3.1 系统整体框架设计第39-41页
            3.3.1.1 系统软件设计第40-41页
            3.3.1.2 系统硬件设计第41页
        3.3.2 主进程调度第41-43页
            3.3.2.1 闲置状态第42页
            3.3.2.2 核状态第42页
            3.3.2.3 DDR3状态第42页
            3.3.2.4 训练状态第42-43页
        3.3.3 数据接收和点积计算第43-45页
            3.3.3.1 数据接收和存储第43-44页
            3.3.3.2 点积的并行计算第44-45页
        3.3.4 核函数运算第45-47页
            3.3.4.1 σ计算第45-46页
            3.3.4.2 幂指数分解法第46-47页
        3.3.5 交叉验证训练第47-55页
            3.3.5.1 训练进程主调度第47-50页
            3.3.5.2 搜索工作集i索引第50页
            3.3.5.3 搜索工作集j索引第50-53页
            3.3.5.4 更新拉格朗日系数第53-54页
            3.3.5.5 更新梯度第54-55页
    3.4 本章小结第55-57页
第四章 测试结果与评估第57-67页
    4.1 开发及测试平台第57-58页
        4.1.1 软件开发及测试平台第57页
        4.1.2 软硬件开发及测试平台第57-58页
    4.2 测试数据集及测试预处理第58-59页
        4.2.1 测试数据集第58页
        4.2.2 测试预处理第58-59页
    4.3 测试结果及比较第59-66页
        4.3.1 资源消耗第59-61页
            4.3.1.1 交叉验证训练资源评估第59-60页
            4.3.1.2 搜索OTPC资源评估第60-61页
        4.3.2 参数误差第61-64页
            4.3.2.1 交叉验证训练参数误差评估第61-62页
            4.3.2.2 搜索OTPC参数误差评估第62-64页
        4.3.3 运行时间第64-66页
            4.3.3.1 交叉验证训练运行时间评估第64-65页
            4.3.3.2 搜索OTPC运行时间评估第65-66页
    4.4 本章小结第66-67页
第五章 全文总结第67-69页
    5.1 论文总结第67页
    5.2 下一步的研究工作第67-69页
致谢第69-70页
参考文献第70-75页
攻读硕士期间获得成果第75页

论文共75页,点击 下载论文
上一篇:基于云计算的改进差分进化算法的研究与实现
下一篇:超柔性PDMS复合材料及其柔性压力传感器应用研究