资源受限的并行支持向量机
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本文工作 | 第10-11页 |
| 第二章 文献综述 | 第11-18页 |
| 2.1 线性支持向量机 | 第11-12页 |
| 2.2 核函数 | 第12-13页 |
| 2.3 随机傅里叶特征 | 第13-16页 |
| 2.4 并行SVM算法分析 | 第16-18页 |
| 第三章 并行训练方法 | 第18-25页 |
| 3.1 随机特征算法 | 第18-19页 |
| 3.2 一致中心调节框架 | 第19-21页 |
| 3.3 CCASVM并行算法 | 第21-25页 |
| 第四章 有限资源方案 | 第25-32页 |
| 4.1 核函数的随机特征近似 | 第25-27页 |
| 4.2 误差界分析 | 第27-29页 |
| 4.3 采样维度分析 | 第29-32页 |
| 4.3.1 采样维度与计算资源 | 第29页 |
| 4.3.2 采样维度范围 | 第29-32页 |
| 第五章 实验 | 第32-37页 |
| 5.1 实验设计 | 第32-33页 |
| 5.1.1 实验环境 | 第32页 |
| 5.1.2 实验数据 | 第32-33页 |
| 5.2 并行算法的可行性 | 第33-35页 |
| 5.3 有限资源方案的可行性 | 第35-37页 |
| 第六章 结语 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 发表论文和参加科研情况说明 | 第41-42页 |
| 致谢 | 第42页 |
