基于神经网络的递增支持向量机研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-13页 |
| ·支持向量机简介 | 第10页 |
| ·递增的在线支持向量机 | 第10-11页 |
| ·本文主要研究内容和思路 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 第二章 背景知识 | 第13-26页 |
| ·人工神经网络 | 第13-19页 |
| ·感知器 | 第14-15页 |
| ·多层感知器 | 第15-17页 |
| ·反向传播算法 | 第17-19页 |
| ·支持向量机 | 第19-25页 |
| ·简介 | 第19-20页 |
| ·优化分离超平面 | 第20-22页 |
| ·线性不可分情形 | 第22-24页 |
| ·基于核函数的方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 递增的支持向量机的算法 | 第26-34页 |
| ·精确解法 | 第26-30页 |
| ·近似解法 | 第30-31页 |
| ·本章小结 | 第31-34页 |
| 第四章 基于神经网络的递增的在线支持向量机 | 第34-43页 |
| ·递增支持向量机与感知器 | 第34-37页 |
| ·支持向量机与感知器 | 第34-35页 |
| ·递增支持向量机与感知器 | 第35-37页 |
| ·在线的递增支持向量机的改进 | 第37-39页 |
| ·铰链误差函数 | 第37-38页 |
| ·训练样本的采样 | 第38-39页 |
| ·新的递增的在线支持向量机的实现 | 第39-41页 |
| ·新的递增的在线支持向量机的程序实现 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 实验结果讨论 | 第43-49页 |
| ·数据集描述 | 第43-44页 |
| ·adult 数据集的描述 | 第43-44页 |
| ·mushroom 数据集的描述 | 第44页 |
| ·实验结果分析 | 第44-47页 |
| ·时间和空间复杂度分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 结束语 | 第49-51页 |
| ·工作总结 | 第49页 |
| ·研究展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 在学期间的研究成果与发表的学术论文 | 第55-56页 |
| 附录A | 第56-59页 |
| 附录B | 第59页 |
