摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
第一章 绪论 | 第12-22页 |
·选题的背景及意义 | 第12-13页 |
·SVM的研究与进展 | 第13-19页 |
·SVM的产生 | 第13-14页 |
·支持向量分类机(SVC)算法研究 | 第14-17页 |
·支持向量回归机(SVR)算法研究 | 第17-18页 |
·SVM的应用研究 | 第18-19页 |
·论文的研究目的、意义和主要工作 | 第19-22页 |
·研究目的和意义 | 第19页 |
·本文的主要工作 | 第19-22页 |
第二章 支持向量机及其理论基础 | 第22-40页 |
·最优化理论 | 第22-25页 |
·KKT条件 | 第22-23页 |
·Lagrange对偶 | 第23-24页 |
·Wolfe对偶 | 第24-25页 |
·统计学习理论的基本思想 | 第25-28页 |
·经验风险 | 第25-26页 |
·VC维 | 第26页 |
·结构风险 | 第26-28页 |
·支持向量分类机 | 第28-35页 |
·最优分类超平面 | 第28-30页 |
·线性支持向量分类机 | 第30-31页 |
·非线性支持向量分类机 | 第31-33页 |
·支持向量 | 第33-34页 |
·核函数 | 第34-35页 |
·支持向量回归机 | 第35-38页 |
·损失函数 | 第35-37页 |
·支持向量回归机 | 第37-38页 |
·小结 | 第38-40页 |
第三章 最小二乘支持向量机的一类快速算法 | 第40-50页 |
·引言 | 第40页 |
·变形支持向量机模型 | 第40-44页 |
·标准SVM模型 | 第40-41页 |
·二次损失函数SVM模型 | 第41-42页 |
·LSSVM模型 | 第42-44页 |
·最小二乘支持向量机的条件预优共轭梯度法 | 第44-46页 |
·对称正定线性方程组的求解 | 第44-45页 |
·条件预优共轭梯度法 | 第45-46页 |
·数值实验 | 第46-48页 |
·小结 | 第48-50页 |
第四章 一类新的光滑CHKS支持向量机 | 第50-62页 |
·引言 | 第50-51页 |
·光滑支持向量机及其发展 | 第51-53页 |
·光滑支持向量机的原理 | 第51-52页 |
·光滑支持向量机的优势 | 第52页 |
·光滑支持向量机的发展现状 | 第52-53页 |
·光滑CHKS支持向量机 | 第53-60页 |
·光滑CHKS支持向量机及其性质 | 第53-56页 |
·光滑CHKS-SSVM的Newton-Armijo算法 | 第56-57页 |
·非线性光滑CHKS-SSVM | 第57页 |
·数值实验 | 第57-60页 |
·小结 | 第60-62页 |
第五章 支持向量机的调节熵函数法 | 第62-76页 |
·引言 | 第62页 |
·支持向量分类机的调节熵函数法 | 第62-68页 |
·无约束SVC模型 | 第62-63页 |
·调节熵函数法 | 第63-65页 |
·支持向量分类机的调节熵函数法(AEF-SVC) | 第65-66页 |
·数值实验 | 第66-68页 |
·支持向量回归机的调节熵函数法 | 第68-75页 |
·无约束SVR模型 | 第68-70页 |
·调节熵函数法 | 第70-72页 |
·支持向量回归机的调节熵函数法(AEF-SVR) | 第72-73页 |
·数值实验 | 第73-75页 |
·小结 | 第75-76页 |
第六章 模糊支持向量机算法 | 第76-94页 |
·引言 | 第76-77页 |
·模糊支持向量机 | 第77-79页 |
·模糊支持向量分类机 | 第77-78页 |
·模糊支持向量回归机 | 第78-79页 |
·基于边界向量提取的模糊支持向量分类机 | 第79-87页 |
·支持向量数据域描述 | 第80-81页 |
·提取边界向量 | 第81-82页 |
·构造模糊隶属度函数 | 第82-84页 |
·数值实验 | 第84-87页 |
·模糊最小二乘支持向量回归机 | 第87-93页 |
·最小二乘支持向量回归机 | 第87-88页 |
·模糊最小二乘支持向量回归机 | 第88页 |
·模糊最小二乘支持向量回归机的训练 | 第88-89页 |
·基于支持向量数据域描述的模糊隶属度的构造 | 第89-91页 |
·数值实验 | 第91-93页 |
·小结 | 第93-94页 |
第七章 训练半监督支持向量机的粒子群算法 | 第94-104页 |
·引言 | 第94-95页 |
·(?)TSVM算法 | 第95-96页 |
·光滑分段半监督支持向量机 | 第96-102页 |
·SPS~3VM 模型 | 第96-98页 |
·标准PSO算法 | 第98-99页 |
·线性等式约束问题的CLPSO算法 | 第99页 |
·训练SPS3VM的CLPSO算法 | 第99-100页 |
·数值实验 | 第100-102页 |
·小结 | 第102-104页 |
总结与展望 | 第104-106页 |
参考文献 | 第106-118页 |
致谢 | 第118-119页 |
在读博士期间撰写(发表)的论文 | 第119-121页 |
参加的科研项目与获奖情况 | 第121-122页 |