基于聚类特征树的大规模支持向量机
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·大规模支持向量机问题的研究现状 | 第10-11页 |
| ·数据缩减技术 DTSVM | 第11-13页 |
| ·数据缩减技术的研究方向 | 第13页 |
| ·本文的主要工作及章节安排 | 第13-15页 |
| 第二章 支持向量机原理 | 第15-25页 |
| ·支持向量机简介 | 第15页 |
| ·线性支持向量机基本原理 | 第15-17页 |
| ·非线性支持向量机基本原理 | 第17-18页 |
| ·常用支持向量机训练算法 | 第18-23页 |
| ·选块算法 | 第18-20页 |
| ·分解算法 | 第20-23页 |
| ·支持向量机算法的优点和缺点 | 第23页 |
| ·本章小结 | 第23-25页 |
| 第三章 层次聚类算法原理 | 第25-36页 |
| ·聚类简介 | 第25-29页 |
| ·相似性度量 | 第25-26页 |
| ·聚类算法问题和挑战 | 第26-27页 |
| ·主要聚类算法简介 | 第27-29页 |
| ·层次聚类算法 BIRCH | 第29-34页 |
| ·层次聚类算法 BIRCH 简介 | 第29页 |
| ·改进的聚类特征树 | 第29-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于聚类特征树的大规模支持向量机 | 第36-42页 |
| ·基本思想 | 第36-37页 |
| ·本文提出的算法的流程 | 第37-38页 |
| ·训练过程 | 第38-40页 |
| ·基本概念 | 第38-39页 |
| ·训练聚类特征树 | 第39页 |
| ·基于树结构的验证测试过程 | 第39-40页 |
| ·与其他算法的不同 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 性能研究 | 第42-46页 |
| ·综合参数寻优过程 | 第42-43页 |
| ·默认设置 | 第43-44页 |
| ·参数和属性 | 第44-45页 |
| ·复杂度分析 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第六章 实验结果与分析 | 第46-56页 |
| ·比较的算法简介 | 第46页 |
| ·基本说明 | 第46-47页 |
| ·数据集 | 第47-48页 |
| ·中等规模数据集上的结果与分析 | 第48-51页 |
| ·大规模数据集上的结果与分析 | 第51-53页 |
| ·超大规模数据集上的结果与分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 附件 | 第63页 |
