危险因素辨识及其演化方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·当前的研究现状 | 第8-9页 |
| ·论文的研究内容和组织结构 | 第9-11页 |
| ·论文的研究内容 | 第9-10页 |
| ·论文的组织结构 | 第10-11页 |
| 第二章 基于SVM的检测模型 | 第11-20页 |
| ·支持向量机 | 第11-15页 |
| ·最优超平面 | 第11-12页 |
| ·线性可分最优超平面的构建 | 第12-13页 |
| ·非线性可分最优超平面的构建 | 第13-15页 |
| ·非线性支持向量机 | 第15-17页 |
| ·支持向量机的训练算法 | 第17页 |
| ·模型的基本结构 | 第17-19页 |
| ·模型的流程框架 | 第17-18页 |
| ·模型各部分基本功能 | 第18-19页 |
| ·模型的评价 | 第19页 |
| ·小结 | 第19-20页 |
| 第三章 基于KPCA的SVM检测模型 | 第20-28页 |
| ·主成分分析 | 第20-23页 |
| ·主成分分析的概念及发展情况 | 第20-21页 |
| ·主成分分析数学描述 | 第21-23页 |
| ·核主成分分析 | 第23-26页 |
| ·核方法的理论介绍 | 第23-24页 |
| ·核主成分分析介绍 | 第24-26页 |
| ·主成分分析PCA与核主成分分析KPCA的对比 | 第26页 |
| ·模型的基本结构 | 第26-27页 |
| ·模型的流程框架 | 第26页 |
| ·模型的描述 | 第26-27页 |
| ·模型的评价 | 第27页 |
| ·小结 | 第27-28页 |
| 第四章 基于KPCA的组合核函数SVM检测模型 | 第28-37页 |
| ·核函数的选择和构造 | 第28-32页 |
| ·核函数 | 第28-29页 |
| ·构造核函数的条件 | 第29-30页 |
| ·构造核函数的方法 | 第30-31页 |
| ·常用核函数 | 第31-32页 |
| ·组合核函数 | 第32-35页 |
| ·全局核函数和局部核函数 | 第32-34页 |
| ·组合核函数 | 第34-35页 |
| ·模型的基本结构 | 第35-36页 |
| ·模型的流程框架 | 第35页 |
| ·模型的介绍 | 第35-36页 |
| ·模型的评价 | 第36页 |
| ·小结 | 第36-37页 |
| 第五章 实验及结果分析 | 第37-46页 |
| ·实验流程 | 第37页 |
| ·实验数据准备 | 第37-41页 |
| ·数据采集 | 第37-40页 |
| ·数据预处理 | 第40-41页 |
| ·实验及结论 | 第41-45页 |
| ·数据选择 | 第41-42页 |
| ·基于C-SVM的检测模型 | 第42-43页 |
| ·基于KPCA的SVM检测模型 | 第43-44页 |
| ·基于KPCA的组合核函数SVM检测模型 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 作者在读研期间的研究成果 | 第51页 |
