首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于不同损失函数的多生支持向量机

致谢第3-4页
摘要第4-6页
abstract第6-7页
1 绪论第14-26页
    1.1 课题来源第14页
    1.2 研究背景及意义第14-16页
    1.3 国内外研究现状第16-23页
    1.4 本文主要工作第23-24页
    1.5 论文组织结构第24-26页
2 相关工作第26-43页
    2.1 支持向量机第26-31页
    2.2 孪生支持向量机第31-35页
    2.3 多生支持向量机第35-41页
    2.4 多生最小二乘支持向量机第41-42页
    2.5 本章小结第42-43页
3 加权线性损失多生支持向量机第43-53页
    3.1 加权线性损失函数第43-44页
    3.2 线性WLMBSVM的数学模型第44-46页
    3.3 非线性WLMBSVM的数学模型第46-47页
    3.4 实验结果及其分析第47-51页
    3.5 本章小结第51-53页
4 Ramp损失多生支持向量机第53-62页
    4.1 Ramp损失函数第53-54页
    4.2 线性RMBSVM的数学模型第54-56页
    4.3 非线性RMBSVM的数学模型第56-58页
    4.4 实验结果及其分析第58-61页
    4.5 本章小结第61-62页
5 粒度多生支持向量机第62-78页
    5.1 粒度划分第63-64页
    5.2 线性情况下基于不同损失函数的粒度多生支持向量机第64-67页
    5.3 非线性情况下基于不同损失函数的粒度多生支持向量机第67-68页
    5.4 实验结果及结果分析第68-77页
    5.5 本章小结第77-78页
6 总结和展望第78-80页
    6.1 总结第78-79页
    6.2 展望第79-80页
参考文献第80-86页
作者简历第86-89页
学位论文数据集第89页

论文共89页,点击 下载论文
上一篇:基于点格棋的博弈算法研究与改进
下一篇:基于神经网络温度补偿的新型MEMS瓦斯传感器研制