|
|
|
应用少量标记样本的支持向量机分类研究 |
|
论文目录 |
|
摘要 | 第1-5页 | Abstract | 第5-9页 | 第1章 绪论 | 第9-17页 | ·研究背景及意义 | 第9-10页 | ·支持向量机理论的发展及研究现状 | 第10-12页 | ·支持向量机理论的发展 | 第10-11页 | ·支持向量机理论的研究现状 | 第11-12页 | ·主动学习理论的发展及研究现状 | 第12-14页 | ·主动学习理论的发展 | 第12-13页 | ·主动学习理论的研究现状 | 第13-14页 | ·聚类算法的研究现状 | 第14页 | ·本文主要研究内容及组织结构 | 第14-17页 | ·本文的研究内容 | 第14-15页 | ·本文的组织结构 | 第15-17页 | 第2章 基本理论 | 第17-31页 | ·支持向量机原理 | 第17-25页 | ·统计学习理论 | 第17-20页 | ·线性支持向量机 | 第20-23页 | ·非线性支持向量机 | 第23-24页 | ·核函数 | 第24-25页 | ·主动学习理论 | 第25-28页 | ·主动学习思想 | 第25-26页 | ·主动学习算法 | 第26-27页 | ·标记样本选择策略 | 第27-28页 | ·分类精度评价 | 第28-29页 | ·正确率 | 第28页 | ·Kappa系数 | 第28-29页 | ·训练样本规模对分类性能的影响 | 第29-30页 | ·本章小结 | 第30-31页 | 第3章 相似度融合的主动支持向量机 | 第31-43页 | ·引言 | 第31页 | ·主动支持向量机 | 第31-32页 | ·相似度融合的主动支持向量机 | 第32-34页 | ·相似度度量 | 第32-33页 | ·算法的实现步骤 | 第33-34页 | ·实验结果与分析 | 第34-41页 | ·数据集分类实验 | 第35-37页 | ·图像分类实验 | 第37-41页 | ·实验结果分析 | 第41页 | ·本章小结 | 第41-43页 | 第4章 支持向量聚类与分类相结合的算法 | 第43-55页 | ·引言 | 第43-44页 | ·支持向量聚类算法 | 第44-46页 | ·支持向量聚类训练 | 第44-46页 | ·聚类分配 | 第46页 | ·支持向量聚类参数 | 第46-47页 | ·支持向量聚类与分类相结合的算法 | 第47-49页 | ·实验分析 | 第49-54页 | ·数据集分类实验 | 第49-51页 | ·图像分类实验 | 第51-53页 | ·实验结果分析 | 第53-54页 | ·本章小结 | 第54-55页 | 第5章 总结与展望 | 第55-57页 | ·全文总结 | 第55页 | ·展望 | 第55-57页 | 参考文献 | 第57-63页 | 致谢 | 第63-65页 | 攻读学位期间科研成果 | 第65页 |
|
|
|
|
论文编号BS148464,这篇论文共65页 会员购买按0.35元/页下载,共需支付22.75元。 直接购买按0.5元/页下载,共需要支付32.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|