支持向量机模型的相关研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究现状 | 第9-12页 |
| ·支持向量机模型训练问题的研究现状 | 第9-10页 |
| ·支持向量机模型选择问题的研究现状 | 第10-12页 |
| ·本文研究的主要内容及组织结构 | 第12-14页 |
| 2 支持向量机相关理论基础 | 第14-20页 |
| ·相关数学基础 | 第14-15页 |
| ·支持向量机基础 | 第15-18页 |
| ·分类超平面 | 第15-16页 |
| ·线性可分情况 | 第16-18页 |
| ·非线性可分情况 | 第18页 |
| ·核函数特征空间 | 第18-19页 |
| ·核函数的定义 | 第18页 |
| ·核函数的定理 | 第18-19页 |
| ·核函数的性质 | 第19页 |
| ·常用的核函数 | 第19页 |
| ·小结 | 第19-20页 |
| 3 支持向量机样本约简 | 第20-32页 |
| ·样本约简问题的引入 | 第20页 |
| ·现有样本约简算法的分析 | 第20-21页 |
| ·改进的基于相似度的二次约简算法 | 第21-27页 |
| ·算法所用的相关定义 | 第21-22页 |
| ·算法的基本思想 | 第22-27页 |
| ·不平衡数据分类问题 | 第27-28页 |
| ·实验结果及分析 | 第28-31页 |
| ·实验平台和数据集 | 第28页 |
| ·实验结果比较 | 第28-31页 |
| ·小结 | 第31-32页 |
| 4 高斯核函数参数选择 | 第32-40页 |
| ·问题的引入 | 第32-33页 |
| ·现有核参数选择算法的分析 | 第33-34页 |
| ·一种快速的高斯核函数参数选择算法 | 第34-36页 |
| ·仿真与实验 | 第36-39页 |
| ·实验数据集及参数设置 | 第36-37页 |
| ·训练结果比较 | 第37-39页 |
| ·小结 | 第39-40页 |
| 5 总结与展望 | 第40-42页 |
| ·本文的工作总结 | 第40页 |
| ·将来的工作展望 | 第40-42页 |
| 附录 | 第42-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表的学术论文及科研成果 | 第51-52页 |
