SVM算法研究及CCS软件仿真
| 第一章 绪论 | 第1-14页 |
| ·统计学习理论和支持向量机 | 第8-10页 |
| ·统计学习理论 | 第9页 |
| ·支持向量机 | 第9-10页 |
| ·SVM的发展史 | 第10-11页 |
| ·SVM研究现状 | 第11页 |
| ·论文的研究意义 | 第11-12页 |
| ·论文的主要工作 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 统计学习理论及支持向量机 | 第14-25页 |
| ·机器学习的基本问题 | 第14-16页 |
| ·问题的表示 | 第14-15页 |
| ·经验风险最小化(ERM) | 第15页 |
| ·复杂性和推广性能 | 第15-16页 |
| ·统计学习理论 | 第16-19页 |
| ·VC维 | 第16-17页 |
| ·推广性的界 | 第17页 |
| ·结构风险最小化原理 | 第17-18页 |
| ·SVM实现SRM原则的结构和依据 | 第18-19页 |
| ·支持向量机 | 第19-23页 |
| ·广义最优分类面及最大间隔思想 | 第19-20页 |
| ·支持向量和支持向量机 | 第20-22页 |
| ·核函数 | 第22-23页 |
| ·实现中的几个问题 | 第23页 |
| ·C的问题 | 第23页 |
| ·核函数的选择 | 第23页 |
| ·本章小结 | 第23-25页 |
| 第三章 SVM分类算法 | 第25-35页 |
| ·SVM分类的基本算法 | 第25-26页 |
| ·CHUNKING算法 | 第26-27页 |
| ·固定样本工作集算法 | 第27-28页 |
| ·SMO算法 | 第28-34页 |
| ·两个Lagrange乘子的优化问题 | 第29-31页 |
| ·选择待优化Lagrange乘子的试探找点法 | 第31-32页 |
| ·最小化后的重置工作 | 第32-33页 |
| ·SMO算法的特点和优势 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 CCS软件仿真及开发板调试 | 第35-47页 |
| ·TMS320C6713 DSP介绍 | 第36-37页 |
| ·主要特征 | 第36-37页 |
| ·存储器映射 | 第37页 |
| ·存储器接口设计 | 第37-41页 |
| ·C6713的EMIF接口 | 第37-39页 |
| ·DSP与SDRAM的接口设计 | 第39-40页 |
| ·DSP与FLASH的接口设计 | 第40-41页 |
| ·DSP的软件开发 | 第41-42页 |
| ·CCS软件仿真及开发板调试 | 第42-45页 |
| ·实现结果 | 第45-46页 |
| ·训练 | 第45页 |
| ·识别 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于支持向量机的话者识别 | 第47-57页 |
| ·基本概念 | 第47-49页 |
| ·语音产生模型和特征提取 | 第49-55页 |
| ·语音产生模型 | 第49-50页 |
| ·语音信号的基音频率提取 | 第50-53页 |
| ·MFCC系数 | 第53-55页 |
| ·基于支持向量机的话者识别初探 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |
