支撑矢量机理论与应用研究
| 图目录 | 第1-10页 |
| 表目录 | 第10-11页 |
| 摘要 | 第11-13页 |
| ABSTRACT | 第13-15页 |
| 第一章 绪论 | 第15-29页 |
| ·引言 | 第15页 |
| ·支撑矢量机研究现状与发展趋势 | 第15-26页 |
| ·机器学习方法研究现状与发展趋势 | 第16-18页 |
| ·支撑矢量机研究现状与发展趋势 | 第18-25页 |
| ·课题研究背景与军事应用前景 | 第25-26页 |
| ·本文主要工作与结构安排 | 第26-29页 |
| 第二章 统计学习理论与支撑矢量机基本原理 | 第29-50页 |
| ·引言 | 第29页 |
| ·机器学习的基本问题和方法 | 第29-32页 |
| ·机器学习问题基本模型 | 第29-31页 |
| ·经验风险最小化 | 第31-32页 |
| ·复杂性与推广性能 | 第32页 |
| ·统计学习理论 | 第32-41页 |
| ·经验风险最小化学习过程一致性的条件 | 第33-34页 |
| ·函数集的学习性能与 VC 维 | 第34-37页 |
| ·推广性的界 | 第37-39页 |
| ·结构风险最小化 | 第39-41页 |
| ·支撑矢量机 | 第41-48页 |
| ·最优分类面 | 第41-43页 |
| ·广义最优分类面 | 第43-44页 |
| ·规范化超平面集的子集结构 | 第44-45页 |
| ·支撑矢量机 | 第45-48页 |
| ·仿真实验与结果分析 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第三章 二类支撑矢量机 | 第50-76页 |
| ·引言 | 第50-51页 |
| ·二类目标特征线性可分性 | 第51-54页 |
| ·二类目标线性可分性定义 | 第51-52页 |
| ·二类目标线性可分性条件 | 第52-54页 |
| ·二类目标特征选择 | 第54-62页 |
| ·二类目标特征线性可分性最优化模型 | 第54-56页 |
| ·二类目标特征线性可分性判据性质 | 第56-60页 |
| ·基于有效率的二类目标特征选择 | 第60-62页 |
| ·核函数自适应构造 | 第62-69页 |
| ·核函数基本性质 | 第62-65页 |
| ·自适应核函数构造 | 第65-66页 |
| ·自适应核函数模型参数求解 | 第66-69页 |
| ·仿真实验及结果分析 | 第69-75页 |
| ·二类目标特征可分性 | 第69-70页 |
| ·二类目标特征选择 | 第70-72页 |
| ·核函数自适应构造 | 第72-75页 |
| ·小结 | 第75-76页 |
| 第四章 多类支撑矢量机 | 第76-107页 |
| ·引言 | 第76页 |
| ·多类目标特征线性可分性 | 第76-81页 |
| ·多类目标线性可分性定义 | 第76-78页 |
| ·多类目标线性可分性条件 | 第78-81页 |
| ·多类目标支撑矢量机 | 第81-95页 |
| ·多类支撑矢量机经典模型 | 第81-83页 |
| ·多类扩码支撑矢量机 | 第83-87页 |
| ·多类扩码支撑矢量机序贯求解 | 第87-90页 |
| ·多类扩码支撑矢量机推广性能 | 第90-95页 |
| ·多类目标特征选择 | 第95-102页 |
| ·多类目标特征线性可分性最优化模型 | 第95-96页 |
| ·多类目标特征线性可分性判据性质 | 第96-101页 |
| ·基于有效率的多类目标特征选择 | 第101-102页 |
| ·仿真实验及结果分析 | 第102-105页 |
| ·多类目标特征可分性 | 第102-103页 |
| ·多类目标特征选择 | 第103-104页 |
| ·多类目标半对半算法 | 第104-105页 |
| ·小结 | 第105-107页 |
| 第五章 分片支撑矢量机 | 第107-127页 |
| ·引言 | 第107-108页 |
| ·分片支撑矢量机 | 第108-114页 |
| ·分片支撑矢量机原理 | 第108-109页 |
| ·分片支撑矢量机推广能力 | 第109-114页 |
| ·分片支撑矢量机计算量 | 第114-116页 |
| ·特征空间剖分 | 第116-122页 |
| ·特征空间剖分准则 | 第116-120页 |
| ·分片最优分类超曲面链接 | 第120-122页 |
| ·仿真实验与结果分析 | 第122-125页 |
| ·小结 | 第125-127页 |
| 第六章 SVM 在杂波环境下目标检测中的应用 | 第127-147页 |
| ·引言 | 第127-128页 |
| ·广义相关 K 分布杂波模型 | 第128-140页 |
| ·复合 K 分布杂波模型 | 第128-129页 |
| ·广义 K 分布杂波模型 | 第129-130页 |
| ·广义相关 K 分布杂波统计特性 | 第130-134页 |
| ·广义 K 分布杂波模型参数估计 | 第134-140页 |
| ·广义相关 K 分布杂波仿真流程 | 第140-141页 |
| ·基于 SVM 广义相关 K 分布杂波检测 | 第141-143页 |
| ·仿真实验与结果分析 | 第143-146页 |
| ·广义相关 K 分布杂波产生及模型参数估计 | 第143-144页 |
| ·广义 K 分布杂波环境中信号检测 | 第144-146页 |
| ·小结 | 第146-147页 |
| 第七章 结束语 | 第147-150页 |
| ·引言 | 第147页 |
| ·全文工作总结 | 第147-149页 |
| ·进一步工作展望 | 第149-150页 |
| 致谢 | 第150-151页 |
| 作者在攻读博士学位期间发表的论文 | 第151-152页 |
| 参考文献 | 第152-164页 |
