关于核向量机支持向量机结合的快速学习方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状及进展 | 第9-13页 |
| ·本文研究的内容以及安排 | 第13-14页 |
| 第二章 支持向量机概述 | 第14-27页 |
| ·分类问题 | 第14-18页 |
| ·线性可分支持向量机 | 第14-15页 |
| ·平分最近点法 | 第15-16页 |
| ·最大间隔法 | 第16-18页 |
| ·支持向量机模型的对偶问题 | 第18页 |
| ·近似线性可分支持向量机 | 第18-19页 |
| ·线性不可分下的支持向量机 | 第19-21页 |
| ·序列最小优化算法 | 第21-25页 |
| ·两个变量的优化问题解析解 | 第22-25页 |
| ·选择两个训练点进入工作集 | 第25页 |
| ·小结 | 第25-27页 |
| 第三章 核向量机概述 | 第27-34页 |
| ·最小包围球问题 | 第27-28页 |
| ·二分类问题与最小包围球问题的等价性 | 第28-29页 |
| ·近似最小包围球算法 | 第29页 |
| ·核向量机算法 | 第29-30页 |
| ·核向量机算法的时间复杂度以及优劣分析 | 第30-32页 |
| ·球向量机 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第四章 核向量机与支持向量机结合的学习算法 | 第34-47页 |
| ·算法描述 | 第34-36页 |
| ·标记算法快速筛选样本 | 第36-38页 |
| ·时间复杂度分析 | 第38页 |
| ·实验及分析 | 第38-46页 |
| ·Two-Moons数据集测试 | 第39-40页 |
| ·不同数据集之间的训练效果对比 | 第40-41页 |
| ·相同数据集不同训练规模的比较 | 第41-46页 |
| ·实验结果总结 | 第46页 |
| ·小结 | 第46-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-51页 |
| 攻读硕士学位期间取得的研究成果 | 第51-52页 |
| 致谢 | 第52-53页 |
| 答辩委员会对论文的评定意见 | 第53页 |
