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

支持向量机核函数的研究

摘要第1-4页
Abstract第4-8页
第1章 绪论第8-13页
   ·课题研究背景第8-9页
   ·支持向量机第9-12页
   ·本文主要研究内容第12-13页
第2章 支持向量机的核函数第13-29页
   ·支持向量机理论第13-19页
     ·线性支持向量机第15-17页
     ·非线性支持向量机第17-19页
   ·SMO 算法第19-21页
     ·两个拉格朗日乘子优化问题的解第19-21页
     ·选择拉格郎日乘子的策略第21页
   ·支持向量机中的核函数第21-26页
     ·核函数的基本性质第22-23页
     ·核函数的分类第23-24页
     ·高斯核函数的性质第24-26页
   ·高斯核函数的参数选择第26-27页
     ·高斯核半径σ的选择第26-27页
     ·惩罚系数C 的选择第27页
   ·本章小节第27-29页
第3章 混合核函数第29-33页
   ·局部核函数和全局核函数第29-30页
     ·局部核函数第29页
     ·全局核函数第29-30页
   ·混合核函数第30-31页
   ·仿真实验第31页
   ·本章小节第31-33页
第4章 修正的高斯核函数第33-38页
   ·密集型支持向量核函数第33-34页
   ·修正的高斯核函数第34-36页
   ·两种核函数的性能比较第36-37页
   ·本章小节第37-38页
第5章 不同核函数支持向量机的性能比较第38-49页
   ·G729.B 的VAD 理论第38页
   ·VAD 初始化第38-39页
   ·差分特征参数的提取第39-41页
     ·谱失真第40页
     ·全带能量差第40页
     ·低带能量差第40页
     ·过零率差第40-41页
   ·VAD 的多边带决策第41-42页
   ·语音激活平滑检测和背景噪声的更新第42页
   ·基于支持向量机的语音激活检测第42-45页
   ·仿真实验第45-48页
   ·本章小节第48-49页
第6章 结束语第49-51页
   ·本论文的研究工作总结第49-50页
   ·研究展望第50-51页
参考文献第51-56页
致谢第56-57页
详细摘要第57-59页

论文共59页,点击 下载论文
上一篇:基于弱指导学习的实体间语义关系抽取研究
下一篇:基于PAC模块的潮汐模拟计算机控制系统的研制