支持向量机集成学习方法研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 引言 | 第12-15页 |
| ·研究背景 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·论文的主要工作 | 第14-15页 |
| 第二章 统计学习理论和支持向量机 | 第15-24页 |
| ·统计学习理论 | 第15-18页 |
| ·学习问题的一般表示 | 第15-16页 |
| ·学习机器推广能力的界 | 第16-18页 |
| ·支持向量机简介 | 第18-23页 |
| ·支持向量分类机 | 第19-21页 |
| ·支持向量回归机 | 第21-22页 |
| ·核映射 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 集成学习方法的分析与研究 | 第24-32页 |
| ·集成学习方法简介 | 第24-26页 |
| ·集成学习方法及实现策略 | 第24-25页 |
| ·子学习器的生成方法 | 第25-26页 |
| ·子学习器的结合方法 | 第26页 |
| ·经典的集成学习方法 | 第26-30页 |
| ·Bagging方法及其性能分析 | 第26-28页 |
| ·Boosting算法族及其性能分析 | 第28-30页 |
| ·Bagging方法与Boosting方法的比较 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第四章 支持向量机集成学习方法 | 第32-40页 |
| ·基于Bagging的回归SVM集成学习方法 | 第32-36页 |
| ·数据集说明及误差评价指标 | 第33-34页 |
| ·实验结果及分析 | 第34-36页 |
| ·基于参数变换的回归SVM集成学习方法 | 第36-39页 |
| ·数据集说明及误差评价指标 | 第37页 |
| ·实验结果及分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 支持向量机选择性集成学习方法 | 第40-49页 |
| ·选择性集成学习方法 | 第40页 |
| ·SVM选择性集成学习方法 | 第40-43页 |
| ·基本思想 | 第40-42页 |
| ·算法描述 | 第42-43页 |
| ·实验结果及分析 | 第43-46页 |
| ·集成规模对选择性集成的影响实验结果及分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 结论和展望 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 发表文章目录 | 第56-57页 |
| 致谢 | 第57-58页 |
| 个人简况及联系方式 | 第58-59页 |
