不同核条件下的支持向量机算法研究及验证
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-9页 |
| ·课题的背景及其意义 | 第7页 |
| ·课题研究现状 | 第7-8页 |
| ·本文的研究内容及结构安排 | 第8-9页 |
| ·研究内容 | 第8页 |
| ·论文的结构安排 | 第8-9页 |
| 第二章 理论知识介绍 | 第9-22页 |
| ·统计学习理论 | 第9-12页 |
| ·机器学习的基本问题 | 第9-11页 |
| ·统计学习理论的核心内容 | 第11-12页 |
| ·支持向量机分类方法 | 第12-16页 |
| ·线性情况 | 第12-15页 |
| ·非线性情况 | 第15-16页 |
| ·支持向量机方法优点 | 第16页 |
| ·支持向量机研究现状 | 第16-17页 |
| ·人脸识别技术 | 第17-21页 |
| ·人脸识别发展史 | 第18页 |
| ·人脸识别研究的内容 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于欧几里德距离核的SVM 算法 | 第22-28页 |
| ·支持向量机核函数 | 第22-24页 |
| ·核函数 | 第22-23页 |
| ·核函数作用及核参数的影响 | 第23-24页 |
| ·欧几里得距离核函数 | 第24-25页 |
| ·欧几里德距离 | 第24页 |
| ·基于欧几里德距离的核函数 | 第24-25页 |
| ·实验结果 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于条件正定核的SVM 算法 | 第28-33页 |
| ·基于点积的核函数 | 第28页 |
| ·条件正定核函数 | 第28-29页 |
| ·实验结果 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第五章 人脸图像降维后的SVM 算法实现 | 第33-49页 |
| ·人脸图像压缩 | 第33-39页 |
| ·离散余弦变换(DCT) | 第34-36页 |
| ·小波变换 | 第36-38页 |
| ·直接降维 | 第38-39页 |
| ·PCA 特征提取 | 第39-41页 |
| ·实验结果 | 第41-48页 |
| ·几种降维方法的比较 | 第41-45页 |
| ·基于降维处理后人脸图像的核函数比较 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·本文总结 | 第49页 |
| ·结论与未来工作展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第55页 |
