局部支持向量机的研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-18页 |
| ·研究背景 | 第11-14页 |
| ·机器学习的定义与发展 | 第12页 |
| ·统计学习理论的主要内容 | 第12-14页 |
| ·研究现状 | 第14-16页 |
| ·支持向量机的研究 | 第14页 |
| ·局部支持向量机的研究 | 第14-15页 |
| ·加权支持向量机的研究 | 第15页 |
| ·单类支持向量机的研究 | 第15-16页 |
| ·问题的提出及研究意义 | 第16页 |
| ·论文主要工作 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 2 支持向量机 | 第18-24页 |
| ·支持向量机的理论基础 | 第18页 |
| ·最优分类超平面 | 第18-19页 |
| ·线性情形 | 第19-21页 |
| ·线性可分 | 第19-21页 |
| ·线性不可分 | 第21页 |
| ·非线性情况及核函数 | 第21-23页 |
| ·Libsvm的特点及应用 | 第23页 |
| ·本章小结 | 第23-24页 |
| 3 局部支持向量机 | 第24-35页 |
| ·局部支持向量机的发展背景 | 第24-26页 |
| ·论背景 | 第24-25页 |
| ·应用背景 | 第25页 |
| ·局部支持向量机与支持向量机的对比 | 第25-26页 |
| ·局部支持向量机及其形式 | 第26-29页 |
| ·SVM-KNN | 第27页 |
| ·kNNSVM | 第27-28页 |
| ·LSVM | 第28-29页 |
| ·局部支持向量机的几种改进 | 第29-33页 |
| ·PSVM | 第30-31页 |
| ·Falk-SVM | 第31-33页 |
| ·分析局部支持向量机及其改进 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于协同聚类的局部支持向量机 | 第35-48页 |
| ·聚类分析及相关概念 | 第35-36页 |
| ·簇和聚类 | 第35-36页 |
| ·聚类分析流程图 | 第36页 |
| ·常用聚类算法 | 第36-39页 |
| ·k-均值算法 | 第37-38页 |
| ·k-中心点算法 | 第38-39页 |
| ·协同聚类 | 第39-41页 |
| ·协同的生物学背景 | 第39页 |
| ·协同聚类思想 | 第39-41页 |
| ·基于协同聚类的局部支持向量机 | 第41页 |
| ·实验 | 第41-47页 |
| ·分类实验 | 第42-45页 |
| ·关于单个支持向量机模型的研究实验 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 5 加权局部支持向量机 | 第48-57页 |
| ·加权支持向量机 | 第48-50页 |
| ·加权支持向量机算法公式 | 第48-49页 |
| ·加权方式 | 第49-50页 |
| ·Weighted Falk-SVM算法 | 第50-51页 |
| ·实验 | 第51-56页 |
| ·分类实验 | 第51-53页 |
| ·单个加权局部支持向量机模型实验 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 6 单类局部支持向量机 | 第57-69页 |
| ·单类问题 | 第57页 |
| ·单类支持向量机 | 第57-60页 |
| ·超球体算法 | 第58-59页 |
| ·超平面算法 | 第59-60页 |
| ·单类支持向量机的改进方式 | 第60-62页 |
| ·引入未标号数据——BSVM | 第60-61页 |
| ·选择样本点 | 第61页 |
| ·改变优化目标 | 第61-62页 |
| ·单类局部支持向量机 | 第62-63页 |
| ·实验 | 第63-68页 |
| ·OCFalk-SVM与Falk-SVM对比实验 | 第63-64页 |
| ·单个模型分类实验 | 第64-66页 |
| ·Libsvm单类验证实验 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 7 结论与展望 | 第69-71页 |
| ·研究工作总结 | 第69页 |
| ·实验评价 | 第69-70页 |
| ·进一步研究的考虑 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 作者简历 | 第74-76页 |
| 学位论文数据集 | 第76页 |
