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--自动推理、机器学习论文

基于SVM的决策规则分类器的研究与实现

中文摘要第1页
英文摘要第4-7页
第一章 引言第7-11页
   ·研究背景及意义第7-10页
     ·国外研究现状第8-9页
     ·国内研究现状第9-10页
   ·本文研究内容与组织结构第10-11页
第二章 文本分类第11-23页
   ·数据挖掘第11-12页
   ·文本分类的定义第12-13页
   ·文档的表示第13-14页
   ·文本分类算法第14-15页
   ·SVM 原理第15-18页
     ·SVM 简介第15页
     ·基于SVM 的学习和分类第15-18页
   ·分类器的评价标准第18-22页
     ·构建分类器的步骤第19页
     ·分类器准确性测试方法第19页
     ·分类器准确性评价指标第19-22页
   ·本章小结第22-23页
第三章 布尔核函数第23-32页
   ·核函数第23-24页
   ·布尔核函数第24页
   ·布尔核函数的参数优化第24-29页
     ·参数(σ,C )对 SVM 的影响第25页
     ·常用的核参数选取方法第25页
     ·布尔核函数的参数优化原理第25-27页
     ·布尔核函数的参数优化算法第27-28页
     ·实验结果第28-29页
   ·混合布尔核函数MBKF第29-31页
     ·混合布尔核函数MBKF 的构造第29-31页
     ·混合布尔核函数MBKF 的参数选取第31页
   ·本章小结第31-32页
第四章 DRC-MBKF第32-43页
   ·分类规则挖掘算法第32-36页
   ·分类规则挖掘第36-37页
   ·分类算法第37页
   ·DRC-MBKF 的实现第37-42页
     ·程序中所用文件格式第37-39页
     ·程序实现部分的简单介绍第39-42页
   ·本章小结第42-43页
第五章 实验及DRC-MBKF 的应用第43-55页
   ·实验文档集第43-46页
     ·UCI 数据集第44-45页
     ·Reuters21578 数据集第45-46页
   ·实验结果及分析第46-50页
     ·UCI 数据集实验结果分析第46-48页
     ·Reuter21578 数据集实验结果分析第48-50页
   ·基于DRC-MBKF 的短期负荷预测系统第50-54页
     ·数据预处理第51-52页
     ·预测样本文件第52页
     ·基于MBKF 的预测模型第52-53页
     ·算例分析第53-54页
   ·本章小结第54-55页
第六章 结论及工作展望第55-57页
   ·本文总结第55-56页
   ·工作展望第56-57页
参考文献第57-60页
致谢第60-61页
在学期间发表的学术论文和参加科研情况第61页

论文共61页,点击 下载论文
上一篇:配电网微机继电保护装置与变电站综合自动化系统设计
下一篇:稳定域研究及其在电力市场稳定性中的应用