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

基于类间差异性的多类多核学习研究

摘要第5-6页
Abstract第6页
第一章 绪论第11-18页
    1.1 研究背景与意义第11-13页
    1.2 核方法的研究现状第13-16页
        1.2.1 多类多核学习方法的研究现状第13-15页
        1.2.2 稀疏多核学习方法的研究现状第15-16页
    1.3 本文的研究动机第16页
        1.3.1 考虑类间差异性第16页
        1.3.2 降低多类多核学习方法时间复杂度第16页
    1.4 论文研究目标及内容第16-17页
    1.5 论文结构安排第17-18页
第二章 基于类间差异性的稀疏多核学习方法第18-32页
    2.1 引言第18页
    2.2 相关工作介绍第18-21页
        2.2.1 多类多核学习方法第18-20页
        2.2.2 稀疏多核学习方法第20-21页
    2.3 模型推导第21-24页
        2.3.1 基于核的多类学习方法第22-23页
        2.3.2 基于类间差异性的稀疏多核学习方法第23-24页
    2.4 优化求解第24-26页
        2.4.1 优化分类器系数C第24-25页
        2.4.2 优化核组合系数B第25-26页
    2.5 实验第26-30页
        2.5.1 在toy数据集上的实验第27-28页
            2.5.1.1 实验设置第27页
            2.5.1.2 实验结果第27-28页
        2.5.2 在UCI数据集上的实验第28-30页
            2.5.2.1 实验设置第28-29页
            2.5.2.2 实验结果第29-30页
    2.6 本章小结第30-32页
第三章 基于类间差异性的多类大间隔稀疏多核学习方法第32-49页
    3.1 引言第32页
    3.2 相关工作介绍第32-35页
        3.2.1 基于大间隔准则的相关算法第32-34页
        3.2.2 多类核间隔第34-35页
    3.3 模型构造第35-38页
        3.3.1 基于多类核间隔的稀疏多核学习方法第35-37页
        3.3.2 基于类间差异性的多类大间隔稀疏多核学习方法第37-38页
    3.4 优化求解第38-40页
        3.4.1 优化分类器系数C第38-39页
        3.4.2 优化核组合系数B第39-40页
    3.5 实验第40-48页
        3.5.1 优化问题的改进与自由参数γ_0的选取范围第41-42页
            3.5.1.1 优化问题的改进第41-42页
            3.5.1.2 自由参数γ_0的选取范围第42页
        3.5.2 在UCI数据集上的实验第42-46页
            3.5.2.1 实验设置第43页
            3.5.2.2 实验结果第43-46页
        3.5.3 在生物数据集上的实验第46-48页
            3.5.3.1 实验设置第46-47页
            3.5.3.2 实验结果第47-48页
    3.6 本章小结第48-49页
第四章 总结与展望第49-50页
    4.1 本文工作小结第49页
    4.2 进一步的工作第49-50页
致谢第50-51页
参考文献第51-55页
攻读硕士学位期间发表论文列表第55页

论文共55页,点击 下载论文
上一篇:437例兼容磁共振心脏植入装置临床应用的回顾性分析
下一篇:抗NMDA受体脑炎临床相关研究分析