基于多尺度核的分布式正则化回归学习算法研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-19页 |
| 第一节 研究背景及意义 | 第8-10页 |
| 一、研究背景 | 第8页 |
| 二、研究意义 | 第8-10页 |
| 第二节 国内外研究现状 | 第10-15页 |
| 一、核方法的研究 | 第10-12页 |
| 二、分布式学习的研究 | 第12-14页 |
| 三、国内外文献的评述 | 第14-15页 |
| 第三节 研究内容及框架 | 第15-17页 |
| 一、研究内容 | 第15-16页 |
| 二、基本框架 | 第16-17页 |
| 第四节 本文的创新点 | 第17-19页 |
| 第二章 正则化回归学习算法体系 | 第19-26页 |
| 第一节 正则化回归学习算法 | 第19-21页 |
| 一、核函数和再生核Hilbert空间 | 第19-20页 |
| 二、最小二乘正则化回归学习算法 | 第20-21页 |
| 第二节 基于多尺度核的正则化回归学习算法 | 第21-23页 |
| 第三节 基于分布式学习的正则化回归学习算法 | 第23-26页 |
| 第三章 基于多尺度核和分布式学习的改进算法 | 第26-33页 |
| 第一节 基于多尺度核的分布式正则化回归学习算法 | 第26-31页 |
| 一、改进算法的研究思路 | 第26-27页 |
| 二、改进算法的基本原理 | 第27-28页 |
| 三、改进算法的理论过程 | 第28-31页 |
| 第二节 改进算法与已有算法的对比 | 第31-33页 |
| 一、多尺度核方法上的对比 | 第31页 |
| 二、分布式学习方法上的对比 | 第31-33页 |
| 第四章 改进算法的实验分析 | 第33-50页 |
| 第一节 算法实验说明 | 第33-35页 |
| 一、模型训练说明 | 第33-34页 |
| 二、算法参数说明 | 第34-35页 |
| 第二节 模拟数据实验 | 第35-43页 |
| 一、模拟数据集介绍 | 第35-36页 |
| 二、参数选择范围设置 | 第36-37页 |
| 三、模拟实验结果对比分析 | 第37-43页 |
| 第三节 真实数据实验 | 第43-50页 |
| 一、真实数据集介绍 | 第43-44页 |
| 二、参数选择范围设置 | 第44-45页 |
| 三、真实实验结果对比分析 | 第45-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 第一节 研究总结 | 第50-51页 |
| 第二节 研究展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
