基于加权增量的支持向量机分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 绪论 | 第11-15页 |
| ·课题背景 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文研究的内容与意义 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第2章 支持向量机分类算法概述 | 第15-38页 |
| ·机器学习的基本问题 | 第15-18页 |
| ·机器学习的发展历史 | 第15-16页 |
| ·学习问题的表述 | 第16-18页 |
| ·统计学习理论 | 第18-22页 |
| ·经验风险 | 第19页 |
| ·VC维 | 第19-20页 |
| ·学习过程的一致性 | 第20-21页 |
| ·结构风险最小化原则 | 第21-22页 |
| ·支持向量机 | 第22-37页 |
| ·支持向量机的基本原理 | 第22-33页 |
| ·支持向量机的几种变形算法 | 第33-36页 |
| ·支持向量机的应用 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 支持向量机增量学习算法介绍 | 第38-47页 |
| ·增量学习 | 第38-40页 |
| ·支持向量机的增量学习算法 | 第40-46页 |
| ·增量问题描述 | 第40-41页 |
| ·基于分块法的增量学习算法 | 第41-42页 |
| ·基于KKT条件的增量学习算法 | 第42-44页 |
| ·一种支持向量机的渐进增量学习算法 | 第44-45页 |
| ·三种增量支持向量机分类算法的比较 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 一种新的支持向量机分类算法研究 | 第47-74页 |
| ·算法提出的背景 | 第47-48页 |
| ·预备知识 | 第48-55页 |
| ·样本加权思想 | 第48-51页 |
| ·增量学习中样本集的选择 | 第51-55页 |
| ·算法描述 | 第55-58页 |
| ·算法分析 | 第58-59页 |
| ·计算复杂度分析 | 第58页 |
| ·算法有效性分析 | 第58-59页 |
| ·实验评估 | 第59-73页 |
| ·本章小结 | 第73-74页 |
| 第5章 总结 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 作者简历 | 第81页 |
