支持向量机核函数及关键参数选择研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 研究的目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 本文综述 | 第13-15页 |
| 第2章 支持向量机理论 | 第15-22页 |
| 2.1 支持向量机理论介绍 | 第15-18页 |
| 2.1.1 线性可分样本 | 第15-16页 |
| 2.1.2 线性不可分样本 | 第16-17页 |
| 2.1.3 非线性样本 | 第17-18页 |
| 2.2 SVM分类的理论背景 | 第18-21页 |
| 2.2.1 统计学习理论简介 | 第18-19页 |
| 2.2.2 分类问题与经验风险最小化原则 | 第19页 |
| 2.2.3 VC维 | 第19-20页 |
| 2.2.4 结构风险最小化原则 | 第20页 |
| 2.2.5 SRM原则在支持向量机中的体现 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 核函数理论和性质研究 | 第22-30页 |
| 3.1 核函数理论 | 第22-24页 |
| 3.1.1 核函数简介 | 第22-23页 |
| 3.1.2 Mercer定理 | 第23-24页 |
| 3.2 常用核函数性质 | 第24-29页 |
| 3.2.1 RBF核函数 | 第24-26页 |
| 3.2.2 多项式核函数 | 第26-27页 |
| 3.2.3 Sigmoid核函数 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第4章 期望平方距离比ESDR | 第30-37页 |
| 4.1 引言 | 第30页 |
| 4.2 ESDR的定义 | 第30-31页 |
| 4.3 与其他度量的对比 | 第31-33页 |
| 4.4 ESDR的精确解析形式 | 第33-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第5章 数值仿真实验 | 第37-48页 |
| 5.1 引言 | 第37页 |
| 5.2 实际数值集分类实验 | 第37-44页 |
| 5.2.1 数据集介绍 | 第37-38页 |
| 5.2.2 SVM分类实验 | 第38-44页 |
| 5.3 高斯数据集分类实验 | 第44-45页 |
| 5.4 一些思考与讨论 | 第45-47页 |
| 5.5 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-58页 |
| 致谢 | 第58-59页 |
