| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一部分 支持向量机SVM | 第8-35页 |
| 1 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·支持向量机的应用 | 第10-12页 |
| 2 支持向量机模型 | 第12-27页 |
| ·相关知识 | 第12-14页 |
| ·统计学理论和VC 维 | 第12页 |
| ·结构风险最小化原则 | 第12-13页 |
| ·核函数 | 第13-14页 |
| ·支持向量机模型推导 | 第14-19页 |
| ·序列最小最优化算法 | 第19-25页 |
| ·SMO 概述 | 第19-20页 |
| ·SMO 两个变量的最优化问题解析解 | 第20-22页 |
| ·SMO 两个训练点的选取 | 第22-23页 |
| ·一次成功优化后的更新 | 第23-25页 |
| ·停机准则 | 第25-27页 |
| 3 结合正态分布概率的FSVM | 第27-35页 |
| ·引言 | 第27页 |
| ·FSVM 基本理论 | 第27-28页 |
| ·基于正态分布概率的FSVM | 第28-30页 |
| ·基于正态分布概率的FSVM 模型 | 第28-29页 |
| ·π型隶属度函数 | 第29-30页 |
| ·实验设计 | 第30-34页 |
| ·小结 | 第34-35页 |
| 第二部分 非负矩阵分解NMF | 第35-49页 |
| 1 绪论 | 第35-38页 |
| ·研究背景及意义 | 第35页 |
| ·国内外研究现状 | 第35-37页 |
| ·NMF 研究趋势和有待解决的问题 | 第37-38页 |
| 2 非负矩阵分解NMF | 第38-43页 |
| ·NMF 数学模型 | 第38-43页 |
| ·最原始的NMF | 第38-40页 |
| ·NMF 的几种变体 | 第40-43页 |
| 3 NMF 和Isomap 相结合的图像检索新方法 | 第43-49页 |
| ·引言 | 第43-44页 |
| ·非线性降维方法Isomap | 第44-45页 |
| ·NMF 和Isomap 相结合的新方法 | 第45-46页 |
| ·实验设计 | 第46-48页 |
| ·小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 攻读硕士学位期间发表的学术论文情况 | 第52-53页 |
| 致谢 | 第53页 |