支持向量机融合方法的研究
| 中文摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·支持向量机的研究现状 | 第11-12页 |
| ·信息融合的研究现状 | 第12页 |
| ·本文的主要研究内容 | 第12-13页 |
| ·本文的组织形式 | 第13-14页 |
| 第2章 支持向量机 | 第14-29页 |
| ·支持向量机的理论背景 | 第14-23页 |
| ·经验风险最小化 | 第14-15页 |
| ·学习一致性条件 | 第15-16页 |
| ·VC维 | 第16-17页 |
| ·结构风险最小化 | 第17-18页 |
| ·最优分类面 | 第18-23页 |
| ·支持向量机的训练算法 | 第23-24页 |
| ·多类支持向量机的构建方法 | 第24-26页 |
| ·支持向量机的概率输出 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 信息融合 | 第29-41页 |
| ·信息融合的基本概念 | 第29-33页 |
| ·信息融合的定义以及功能 | 第29-30页 |
| ·信息融合的层次 | 第30-33页 |
| ·信息融合算法 | 第33-39页 |
| ·贝叶斯推理(Bayesian推理) | 第33-34页 |
| ·DS证据理论 | 第34-38页 |
| ·其它信息融合算法 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 基于支持向量机的信息融合策略 | 第41-50页 |
| ·基于支持向量机的信息融合策略的基本思路 | 第41-42页 |
| ·最大和策略 | 第42-43页 |
| ·贝叶斯策略 | 第43-45页 |
| ·DS证据推理融合策略 | 第45-47页 |
| ·两层支持向量机融合策略 | 第47-48页 |
| ·几种基于支持向量机的信息融合策略的比较 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 算法实现及实验 | 第50-61页 |
| ·libSVM | 第50-52页 |
| ·libSVM的主要特‘l生 | 第50-51页 |
| ·libSVM的组成结构 | 第51-52页 |
| ·基于多类支持向量机的信息融合策略的实现 | 第52-55页 |
| ·数据来源和基本的数据预处理 | 第53页 |
| ·实现融合策略的基本步骤 | 第53-55页 |
| ·基于多类支持向量机的信息融合策略的实验 | 第55-60页 |
| ·实验及结果 | 第55-58页 |
| ·实验结果分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表学术论文 | 第68页 |
