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

原始空间中支持向量机若干问题的研究

摘要第1-6页
ABSTRACT第6-11页
第一章 绪论第11-19页
   ·研究背景第11-12页
   ·支持向量机分类算法研究现状第12-17页
     ·分解算法第12-13页
     ·增量学习算法第13-14页
     ·多类别分类算法第14-15页
     ·支持向量机改进算法第15页
     ·支持向量机变形算法第15-16页
     ·原始空间中的求解算法第16-17页
   ·研究内容与结构安排第17-19页
第二章 支持向量机理论基础第19-39页
   ·机器学习第19-21页
     ·学习问题的表示第19-20页
     ·经验风险最小化第20-21页
     ·学习机器的泛化能力第21页
   ·统计学习理论第21-25页
     ·学习过程的一致性条件第22-23页
     ·VC 维第23页
     ·泛化性的界第23-24页
     ·结构风险最小化第24-25页
   ·优化理论第25-30页
     ·KKT 条件第26-27页
     ·Wolf 对偶第27-28页
     ·相关的基本定义第28-30页
   ·支持向量机第30-39页
     ·线性支持向量机第30-34页
     ·核函数和再生核 Hilbert 空间第34-38页
     ·非线性支持向量机第38-39页
第三章 光滑支持向量机多项式函数的研究第39-57页
   ·引言第39-40页
   ·光滑支持向量机第40-43页
   ·多项式光滑支持向量机第43-48页
     ·多项式光滑函数第43-46页
     ·多项式光滑函数的性能第46-48页
   ·多项式光滑支持向量机的算法和实验第48-51页
     ·最优光滑因子第48-49页
     ·算法选取第49页
     ·实验第49-51页
   ·多项式光滑函数的应用——求解广义支持向量机第51-54页
     ·广义支持向量机及其求解第51-53页
     ·实验第53-54页
   ·小结第54-57页
第四章 半监督支持向量机分类算法第57-71页
   ·引言第57-58页
   ·半监督支持向量机的研究现状第58-60页
   ·自训练半监督支持向量机第60-64页
     ·自训练半监督支持向量机算法第60-62页
     ·实验第62-64页
   ·多项式光滑的半监督支持向量机第64-69页
     ·多项式光滑函数第64-65页
     ·逼近误差分析第65-66页
     ·算法第66-67页
     ·非线性多项式光滑的半监督支持向量机第67页
     ·实验第67-69页
   ·小结第69-71页
第五章 线性支持向量机的直接算法第71-95页
   ·引言第71页
   ·线性支持向量机的并行下降方法第71-74页
   ·线性支持向量机的 Hooke and Jeeves 方法第74-80页
     ·Hooke and Jeeves 算法第74-77页
     ·Hooke and Jeeves 算法的性能分析第77-78页
     ·实验第78-80页
   ·线性支持向量机的 Rosenbrock 算法第80-84页
     ·Rosenbrock 方法第80-81页
     ·Rosenbrock 算法的性能分析第81-82页
     ·实验第82-84页
   ·线性支持向量机的 Powell 算法第84-93页
     ·原始 Powell 法第85-86页
     ·Powell 法第86-90页
     ·线性支持向量机的 Powell 算法第90-91页
     ·Powell 算法的性能分析第91-92页
     ·实验第92-93页
   ·小结第93-95页
第六章 健壮支持向量机第95-107页
   ·引言第95-96页
   ·健壮支持向量机的研究现状第96-101页
   ·双曲正切支持向量机第101-103页
   ·实验第103-105页
     ·在人工数据上的实验第103页
     ·在 UCI 数据集上的实验第103-105页
   ·小结第105-107页
结束语第107-110页
致谢第110-111页
参考文献第111-122页
在读博士期间撰写(发表)的论文第122-123页

论文共123页,点击 下载论文
上一篇:基于视频的运动人体异常行为分析识别研究
下一篇:几类支持向量机变型算法的研究