在线学习的集成分类器研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 图索引 | 第10-11页 |
| 表索引 | 第11-12页 |
| 1 绪论 | 第12-24页 |
| ·机器学习 | 第12-13页 |
| ·在线学习 | 第13-14页 |
| ·国内外研究现状 | 第14-21页 |
| ·增量学习 | 第14-15页 |
| ·集成学习 | 第15-21页 |
| ·支持向量机 | 第21-22页 |
| ·论文创新点 | 第22-23页 |
| ·论文章节安排 | 第23-24页 |
| 2 支持向量机 | 第24-32页 |
| ·统计学习理论 | 第24-28页 |
| ·学习模型 | 第24页 |
| ·风险最小化问题 | 第24-25页 |
| ·经验风险最小化原则 | 第25-26页 |
| ·学习过程一致性的条件 | 第26页 |
| ·VC维 | 第26页 |
| ·推广性的界 | 第26-27页 |
| ·结构风险最小化原则 | 第27-28页 |
| ·支持向量机 | 第28-31页 |
| ·支持向量机的基本概念 | 第28-31页 |
| ·支持向量机的特点 | 第31页 |
| ·本章小结 | 第31-32页 |
| 3 基于壳向量的支持向量机Learn++集成方法 | 第32-45页 |
| ·引言 | 第32-33页 |
| ·一种支持向量机的快速分类算法 | 第33-38页 |
| ·壳向量的定义 | 第33-34页 |
| ·非线性可分情况 | 第34-35页 |
| ·求解壳向量 | 第35-36页 |
| ·一种支持向量机的快速分类算法 | 第36-37页 |
| ·壳向量求取的时间复杂度分析 | 第37-38页 |
| ·基于壳向量的支持向量机Learn++集成方法 | 第38-44页 |
| ·Learn++算法简介 | 第39-42页 |
| ·基于壳向量的支持向量机Learn++集成方法 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 4 实验与分析 | 第45-48页 |
| ·实验数据设置 | 第45页 |
| ·实验结果 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 5 总结和展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 作者简介 | 第54-55页 |
| 作者攻读硕士学位期间发表的论文 | 第55页 |
