摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第8-14页 |
1.1 研究背景及意义 | 第8页 |
1.2 监督学习和半监督学习研究背景和现状 | 第8-10页 |
1.3 支持向量机的研究和发展现状 | 第10-12页 |
1.4 论文的研究内容 | 第12-13页 |
1.5 论文的组织结构 | 第13-14页 |
第二章 基本理论 | 第14-28页 |
2.1 统计学习理论 | 第14-16页 |
2.1.1 理论基础介绍 | 第14页 |
2.1.2 数学模型 | 第14-15页 |
2.1.3 损失函数 | 第15页 |
2.1.4 修正数学模型 | 第15-16页 |
2.2 支持向量机 | 第16-20页 |
2.2.1 支持向量机的原理和模型 | 第16-19页 |
2.2.2 非线性支持向量机 | 第19-20页 |
2.3 半监督支持向量机的基本原理和模型 | 第20-27页 |
2.3.1 半监督支持向量机的原理 | 第20-22页 |
2.3.2 半监督支持向量机的方法 | 第22-27页 |
2.4 本章小结 | 第27-28页 |
第三章 贝塞尔光滑支持向量机模型 | 第28-40页 |
3.1 贝塞尔函数 | 第28-29页 |
3.2 新光滑支持向量机模型 | 第29-32页 |
3.3 逼近性能分析 | 第32-36页 |
3.4 新模型的收敛性 | 第36-37页 |
3.5 ARMIJO-NEWTON算法 | 第37-38页 |
3.6 数值实验与分析 | 第38-39页 |
3.7 本章小结 | 第39-40页 |
第四章 基于圆切线的光滑支持向量机模型 | 第40-48页 |
4.1 圆切线函数的推导 | 第40-41页 |
4.2 基于圆切线的光滑支持向量机模型(CTSSVM) | 第41页 |
4.3 光滑函数的逼近性能分析 | 第41-43页 |
4.4 CTSSVM的收敛性 | 第43-44页 |
4.5 BFGS算法 | 第44-45页 |
4.6 数值实验和分析 | 第45-46页 |
4.7 本章小结 | 第46-48页 |
第五章 分段光滑的半监督支持向量机模型 | 第48-56页 |
5.1 分段函数的构造 | 第48-49页 |
5.2 新的半监督支持向量机模型(CTSSVM) | 第49-50页 |
5.3 逼近误差分析 | 第50-51页 |
5.4 LDS算法 | 第51-52页 |
5.5 数值实验与分析 | 第52-54页 |
5.5.1 数据集 | 第52-53页 |
5.5.2 人工数据集上的实验 | 第53-54页 |
5.5.3 多分类数据集上的实验 | 第54页 |
5.6 本章小结 | 第54-56页 |
第六章 总结与展望 | 第56-58页 |
参考文献 | 第58-64页 |
致谢 | 第64-66页 |
攻读硕士期间科研成果 | 第66-67页 |