SVM参数寻优及其在分类中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 研究内容和组织结构 | 第12-14页 |
| 第2章 支持向量机及参数优化算法 | 第14-34页 |
| 2.1 统计学习理论 | 第14-18页 |
| 2.1.1 经验风险最小化原则 | 第14-15页 |
| 2.1.2 VC维理论 | 第15-16页 |
| 2.1.3 推广性的界 | 第16-17页 |
| 2.1.4 结构风险最小化原则 | 第17-18页 |
| 2.2 支持向量机 | 第18-26页 |
| 2.2.1 最优分类超平面 | 第19-20页 |
| 2.2.2 线性支持向量机 | 第20-23页 |
| 2.2.3 非线性支持向量机 | 第23-24页 |
| 2.2.4 核函数 | 第24-26页 |
| 2.3 支持向量机参数优化算法 | 第26-34页 |
| 2.3.1 遗传算法 | 第26-29页 |
| 2.3.2 粒子群算法 | 第29-32页 |
| 2.3.3 网格搜索算法 | 第32-34页 |
| 第3章 支持向量机参数优化 | 第34-40页 |
| 3.1 需要优化的参数 | 第34-35页 |
| 3.1.1 惩罚因子 | 第34页 |
| 3.1.2 核函数参数 | 第34-35页 |
| 3.2 交叉验证 | 第35-36页 |
| 3.3 基于遗传算法的参数优化 | 第36-38页 |
| 3.4 基于粒子群算法的参数优化 | 第38-39页 |
| 3.5 基于网格搜索算法的参数优化 | 第39-40页 |
| 第4章 SVM在UCI数据集分类中的应用 | 第40-68页 |
| 4.1 数据集描述 | 第40-41页 |
| 4.2 基于遗传算法参数寻优的SVM分类结果 | 第41-49页 |
| 4.2.1 参数设置和分类结果 | 第41-48页 |
| 4.2.2 参数分析 | 第48-49页 |
| 4.3 基于粒子群算法参数寻优的SVM分类结果 | 第49-57页 |
| 4.3.1 参数设置和分类结果 | 第49-56页 |
| 4.3.2 参数分析 | 第56-57页 |
| 4.4 基于网格搜索算法参数寻优的SVM分类结果 | 第57-65页 |
| 4.4.1 参数设置和分类结果 | 第57-64页 |
| 4.4.2 参数分析 | 第64-65页 |
| 4.5 三种参数优化算法结果比较 | 第65-68页 |
| 第5章 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表学术论文情况 | 第73-74页 |
| 致谢 | 第74页 |
