基于化学数据的若干统计学习新方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-31页 |
| ·引言 | 第11-13页 |
| ·研究综述 | 第13-27页 |
| ·本文的主要工作及创新之处 | 第27-31页 |
| 2 基于树集成的一种新颖树核的构造 | 第31-41页 |
| ·引言 | 第31-32页 |
| ·分类与回归树 | 第32-37页 |
| ·基于树集成的统计学习方法 | 第37-38页 |
| ·新颖树核的构造 | 第38-41页 |
| 3 基于树核的支持向量机分类原理及算法 | 第41-55页 |
| ·引言 | 第41页 |
| ·支持向量机分类原理 | 第41-46页 |
| ·线性可分情形 | 第42-44页 |
| ·线性不可分情形 | 第44-46页 |
| ·树核支持向量机算法 | 第46-48页 |
| ·数据 | 第48-49页 |
| ·结果与讨论 | 第49-55页 |
| 4 基于树核的偏最小二乘方法及应用 | 第55-67页 |
| ·引言 | 第55页 |
| ·偏最小二乘原理与算法 | 第55-60页 |
| ·偏最小二乘的核化 | 第60-61页 |
| ·树核偏最小二乘分类算法 | 第61-62页 |
| ·结果与讨论 | 第62-67页 |
| 5 基于树核的k-最近邻分类及应用 | 第67-79页 |
| ·引言 | 第67-68页 |
| ·k-最近邻的核化 | 第68-70页 |
| ·树核k-最近邻 | 第70-71页 |
| ·结果与讨论 | 第71-79页 |
| 6 基于安全独立筛选的偏最小二乘回归方法及应用 | 第79-97页 |
| ·引言 | 第79-81页 |
| ·安全独立筛选理论 | 第81-83页 |
| ·安全独立筛选方法 | 第81-82页 |
| ·SIS的原理 | 第82-83页 |
| ·偏最小二乘回归 | 第83页 |
| ·PLSSIS算法 | 第83-85页 |
| ·数据 | 第85-86页 |
| ·结果与讨论 | 第86-97页 |
| 7 总结与展望 | 第97-99页 |
| 参考文献 | 第99-109页 |
| 攻读学位期间主要的研究成果 | 第109-110页 |
| 致谢 | 第110页 |
