基于支持向量机的选择性集成算法研究
| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| ABSTRACT | 第8页 |
| 第一章 绪论 | 第13-16页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文结构及主要内容 | 第15-16页 |
| 第二章 支持向量机理论 | 第16-29页 |
| 2.1 统计学习理论 | 第16-18页 |
| 2.1.1 VC维理论 | 第16页 |
| 2.1.2 泛化误差边界 | 第16-17页 |
| 2.1.3 结构风险化最小原则 | 第17-18页 |
| 2.2 支持向量机 | 第18-28页 |
| 2.2.1 线性支持向量机 | 第18-22页 |
| 2.2.2 非线性支持向量机 | 第22-23页 |
| 2.2.3 核函数 | 第23页 |
| 2.2.4 支持向量机的多类分类方法 | 第23-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 集成学习 | 第29-41页 |
| 3.1 集成学习简介 | 第29-33页 |
| 3.1.1 集成学习概念 | 第29-30页 |
| 3.1.2 基分类器的构造方法 | 第30-31页 |
| 3.1.3 基分类器的组合方法 | 第31-33页 |
| 3.2 集成学习主要算法 | 第33-36页 |
| 3.2.1 Bagging算法 | 第34-35页 |
| 3.2.2 Boosting算法 | 第35-36页 |
| 3.3 选择性集成 | 第36-40页 |
| 3.3.1 选择性集成的提出 | 第36-38页 |
| 3.3.2 选择性集成的理论基础 | 第38-39页 |
| 3.3.3 典型选择性集成算法分析 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 支持向量机的选择性集成 | 第41-52页 |
| 4.1 支持向量机集成 | 第41-42页 |
| 4.2 和声搜索算法 | 第42-44页 |
| 4.2.1 HS的概念与流程 | 第42-43页 |
| 4.2.2 HS算法的参数含义 | 第43-44页 |
| 4.2.3 HS算法的优点 | 第44页 |
| 4.3 基于HS的支持向量机的选择性集成 | 第44-48页 |
| 4.3.1 问题提出 | 第44-45页 |
| 4.3.2 基于HS的SVM选择性集成方法 | 第45-47页 |
| 4.3.3 算法描述 | 第47-48页 |
| 4.4 实验结果及分析 | 第48-51页 |
| 4.4.1 数据说明 | 第48-49页 |
| 4.4.2 参数设定 | 第49-50页 |
| 4.4.3 实验结果分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52页 |
| 5.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间学术活动及成果情况 | 第57页 |
