基于KD树分解的支持向量机算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题背景及意义 | 第9-10页 |
| ·支持向量机问题的国内外研究现状 | 第10-12页 |
| ·数值技术 | 第10-11页 |
| ·数据缩减技术 | 第11-12页 |
| ·本文的主要工作及章节安排 | 第12-13页 |
| 第二章 支持向量机理论 | 第13-23页 |
| ·支持向量机 | 第13页 |
| ·线性支持向量机 | 第13-15页 |
| ·线性可分支持向量机 | 第13-14页 |
| ·近似线性可分支持向量机 | 第14-15页 |
| ·非线性支持向量机 | 第15-17页 |
| ·多分类支持向量机 | 第17-18页 |
| ·支持向量机常用训练算法 | 第18-22页 |
| ·选块算法 | 第18-19页 |
| ·Osuna 算法 | 第19-20页 |
| ·序列最小最优化算法 | 第20-22页 |
| ·支持向量机算法的优缺点 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 KD 树原理 | 第23-31页 |
| ·KD 树概述 | 第23页 |
| ·KD 树算法 | 第23-26页 |
| ·传统的 KD 树构建方法 | 第26-28页 |
| ·标准分割策略 | 第26-27页 |
| ·中点分割策略 | 第27-28页 |
| ·滑动中点分割策略 | 第28页 |
| ·本文使用的 KD 树构建方法 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于 KD 树分解的支持向量机 | 第31-36页 |
| ·基本思想 | 第31-32页 |
| ·算法的总体流程 | 第32-35页 |
| ·基本概念 | 第33页 |
| ·训练 KD 树 | 第33-34页 |
| ·KDTSVM 验证测试过程 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 实验结果与分析 | 第36-45页 |
| ·默认设置 | 第36-37页 |
| ·数据集基本说明 | 第37-39页 |
| ·中等规模实验数据集上的结果与分析 | 第39-41页 |
| ·大规模数据集上的结果与分析 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士学位期间取得的研究成果 | 第49-50页 |
| 致谢 | 第50-51页 |
| 附录 | 第51页 |
