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

基于欠采样不均衡数据SVM算法与应用

摘要第1-6页
ABSTRACT第6-10页
第1章 绪论第10-17页
   ·研究背景第10-12页
   ·国内国外研究问题情况第12-14页
   ·论文目的与意义第14-15页
   ·论文完成情况第15-17页
第2章 支持向量机简述第17-27页
   ·最优分界面第17-23页
     ·构造最优分类界面第18-21页
     ·广义上的最优分类界面第21-23页
   ·支持向量机第23-25页
   ·内积函数第25-26页
   ·本章小结第26-27页
第3章 基于谱聚类欠采样不均衡数据 SVM 算法第27-44页
   ·谱聚类第27-30页
     ·聚类方法第27-29页
     ·谱聚类算法第29-30页
   ·谱聚类欠采样不均衡数据 SVM 分类算法第30-32页
     ·欠采样第30-31页
     ·谱聚类欠采样 SVM 算法第31-32页
   ·实验结果第32-42页
     ·不均衡数据分类的性能评估指标第32-34页
     ·实验数据的选取第34页
     ·不同算法的分类性能比较第34-40页
     ·不均衡数据在比例不相同情况下的分类性能比较第40-41页
     ·高斯核半径的参数对算法性能的影响第41-42页
   ·本章小结第42-44页
第4章 基于精简集欠采样不均衡数据 SVM 算法第44-55页
   ·精简集算法第44-47页
     ·数据空间结构第44-45页
     ·向量精简模型第45-47页
     ·非线性多参数向量精简优化模型的求解第47页
   ·精简集不均衡数据 SVM 分类算法第47-49页
     ·精简集欠采样下分类界限第47-48页
     ·精简集过采样下分类界限第48-49页
   ·实验结果第49-54页
     ·实验数据第49页
     ·不同算法分类性能比较第49-54页
     ·算法速度的比较实验第54页
   ·本章小结第54-55页
第5章 基于谱聚类欠采样不均衡数据 SVM 故障检测第55-62页
   ·故障检测的意义第55-56页
   ·故障检测的参量选取第56页
   ·检测实验分析第56-60页
     ·故障检测对比第57-59页
     ·高斯核半径参数对 SVM 性能的影响第59页
     ·检测速度对比试验第59-60页
   ·本章小结第60-62页
结论第62-64页
参考文献第64-69页
攻读硕士学位期间发表的论文和取得的科研成果第69-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:结合空间信息与光谱信息的高光谱图像分类研究
下一篇:情感化设计在助行康复机器人中的应用研究