双阈值控制的字符串核SVM研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·本文工作 | 第10页 |
| ·论文结构概述 | 第10-11页 |
| 第二章 统计学习与支持向量机 | 第11-32页 |
| ·统计学习理论 | 第11-15页 |
| ·VC维 | 第11-12页 |
| ·学习过程的一致性 | 第12-14页 |
| ·结构风险最小原则 | 第14-15页 |
| ·核函数 | 第15-22页 |
| ·核函数的定义和性质 | 第15-20页 |
| ·核函数的构造方法 | 第20-22页 |
| ·支持向量机 | 第22-32页 |
| ·SVM模型 | 第22-28页 |
| ·训练算法 | 第28-32页 |
| 第三章 双阈值控制的字符串核SVM方法设计 | 第32-52页 |
| ·SMO算法分析 | 第32-42页 |
| ·SMO的KKT优化条件 | 第32-34页 |
| ·二次规划 | 第34-37页 |
| ·变量更新 | 第37-39页 |
| ·优化变量的选择及算法步骤 | 第39-42页 |
| ·对SMO算法的改进 | 第42-46页 |
| ·SMO阈值更新中的问题 | 第42-44页 |
| ·双阈值SMO算法 | 第44-45页 |
| ·双阈值SMO算法试验分析 | 第45-46页 |
| ·基于字符串核函数的SVM(SSVM) | 第46-52页 |
| ·结构化核函数的意义 | 第46-47页 |
| ·字符串核函数的构造方法 | 第47-48页 |
| ·构造一个有限字符串核函数 | 第48-50页 |
| ·SSVM方法试验分析 | 第50-52页 |
| 第四章 双阈值控制的SSVM模拟系统的实现 | 第52-62页 |
| ·系统设计目的 | 第52-53页 |
| ·系统模块设计 | 第53-58页 |
| ·预处理模块 | 第54-56页 |
| ·核函数模块 | 第56-57页 |
| ·训练模块 | 第57页 |
| ·预测模块 | 第57-58页 |
| ·系统实现 | 第58-59页 |
| ·系统测试 | 第59-62页 |
| ·二维Iris数据集 | 第59-60页 |
| ·三维Iris数据集 | 第60-61页 |
| ·Australian数据集 | 第61-62页 |
| 第五章 总结与展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65页 |
