首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

支持向量机分类算法的研究

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

论文共67页,点击 下载论文
上一篇:我国动漫出版产业研究
下一篇:我国出版社与民营出版公司合作研究