基于SVM的眼动轨迹解读思维状态的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-20页 |
| ·选题目的及意义 | 第10-11页 |
| ·眼动研究概述 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·本文研究的主要内容 | 第16-17页 |
| ·本文的组织结构 | 第17-20页 |
| 第二章 眼动轨迹数据采集 | 第20-24页 |
| ·眼动实验 | 第20-21页 |
| ·眼动轨迹数据采集 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 数据预处理 | 第24-28页 |
| ·综合指标加权法 | 第25-27页 |
| ·本章总结 | 第27-28页 |
| 第四章 机器学习方法选择 | 第28-46页 |
| ·机器学习的基本原理 | 第28-30页 |
| ·机器学习的算法 | 第30-36页 |
| ·统计学习理论 | 第36-39页 |
| ·支持向量机 | 第39-44页 |
| ·本章小结 | 第44-46页 |
| 第五章 SVM 二分类眼动轨迹分析 | 第46-52页 |
| ·实验方法 | 第46-49页 |
| ·特征选择 | 第46页 |
| ·工具选择 | 第46-48页 |
| ·参数优化 | 第48页 |
| ·实验任务 | 第48-49页 |
| ·实验结果及分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 SVM 多分类眼动轨迹分析 | 第52-64页 |
| ·支持向量机多分类方法 | 第52-58页 |
| ·one-against-one(1-a-1) | 第53-54页 |
| ·one-against-rest(1-a-r) | 第54-56页 |
| ·DAG（有向无环图） | 第56-57页 |
| ·二叉树算法 | 第57-58页 |
| ·基于聚类的SVM 多分类方法 | 第58-60页 |
| ·基于聚类的SVM 多分类方法的基本原理 | 第58-60页 |
| ·选用多分类算法的原因 | 第60页 |
| ·实验结果及分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第七章 结论及展望 | 第64-66页 |
| ·本文的主要工作和结论 | 第64-65页 |
| ·今后的研究方向 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间发表的学术论文 | 第72页 |
