支持向量机中Sigmoid核函数的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-19页 |
| ·统计学习理论简介 | 第7-9页 |
| ·VC维 | 第8页 |
| ·结构风险最小化 | 第8-9页 |
| ·支持向量机概述 | 第9-12页 |
| ·支持向量机方法及其优点 | 第9-10页 |
| ·支持向量机的研究现状 | 第10-11页 |
| ·支持向量机的应用研究 | 第11-12页 |
| ·核函数方法及其特点 | 第12-13页 |
| ·核函数的主要研究内容及应用 | 第13-15页 |
| ·核函数国内外发展动态 | 第15-16页 |
| ·本文主要工作及内容安排 | 第16-19页 |
| ·本文主要工作 | 第16页 |
| ·本文内容安排 | 第16-19页 |
| 第二章 支持向量机及核函数理论 | 第19-31页 |
| ·支持向量机 | 第19-26页 |
| ·线性可分的支持向量分类机 | 第19-21页 |
| ·线性不可分的支持向量分类机 | 第21-23页 |
| ·非线性支持向量分类机 | 第23-26页 |
| ·支持向量回归机 | 第26页 |
| ·核函数 | 第26-30页 |
| ·核函数理论与性质 | 第26-30页 |
| ·常用核函数 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 Sigmoid核函数 | 第31-45页 |
| ·Sigmoid核函数的性质 | 第31-36页 |
| ·非半正定核矩阵的可分性 | 第31-33页 |
| ·Sigmoid核函数的性质 | 第33-36页 |
| ·Sigmoid核与RBF核的关系 | 第36-38页 |
| ·基于sigmoid核函数SVM的算法研究 | 第38-42页 |
| ·实验结果分析 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 混合核函数支持向量机 | 第45-59页 |
| ·问题的引出 | 第45页 |
| ·核函数的分类 | 第45-50页 |
| ·局部核函数 | 第46-48页 |
| ·全局核函数 | 第48-50页 |
| ·混合核函数 | 第50-55页 |
| ·第一种新的混合核函数 | 第52-53页 |
| ·第二种新的混合核函数 | 第53-55页 |
| ·实验结果及分析 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 结束语 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 在读期间的研究成果 | 第67-68页 |
