|
|
|
支持向量机和支持向量域描述的若干问题研究 |
|
论文目录 |
|
摘要 | 第1-7页 | ABSTRACT | 第7-14页 | 第一章 绪论 | 第14-24页 | ·研究背景和意义 | 第14-16页 | ·支持向量机的研究现状 | 第16-22页 | ·理论研究 | 第17-19页 | ·训练算法 | 第19-21页 | ·应用研究 | 第21-22页 | ·本文工作和结构安排 | 第22-24页 | 第二章 支持向量机理论 | 第24-40页 | ·机器学习理论基础 | 第24-26页 | ·学习问题的数学表达 | 第24-25页 | ·经验风险最小化原则 | 第25-26页 | ·模型复杂度和推广能力 | 第26页 | ·统计学习理论基础 | 第26-31页 | ·学习过程的一致性条件 | 第27-29页 | ·函数集的VC 维 | 第29页 | ·泛化误差界 | 第29-30页 | ·结构风险最小化原则 | 第30-31页 | ·支持向量机 | 第31-39页 | ·最优化理论基础 | 第31-33页 | ·最大间隔分类超平面 | 第33-35页 | ·核函数 | 第35-36页 | ·线性支持向量机 | 第36-38页 | ·非线性支持向量机 | 第38-39页 | ·本章小结 | 第39-40页 | 第三章 标准支持向量机算法研究 | 第40-67页 | ·同心超球面支持向量机HSVM | 第40-50页 | ·引言 | 第40-41页 | ·理论基础 | 第41-44页 | ·同心超球面支持向量机 | 第44-48页 | ·数值实验 | 第48-50页 | ·结论 | 第50页 | ·空间支持向量域分类器SSVDC | 第50-65页 | ·问题背景 | 第50-52页 | ·集成学习算法概述 | 第52-53页 | ·空间支持向量域分类器 | 第53-57页 | ·算法实现 | 第57-60页 | ·数值实验 | 第60-64页 | ·结论 | 第64-65页 | ·本章小结 | 第65-67页 | 第四章 变形支持向量机算法研究 | 第67-91页 | ·引言 | 第67-68页 | ·变形SVM 简介 | 第68-74页 | ·标准SVM 简介 | 第68-69页 | ·变形SVM 及求解方法 | 第69-74页 | ·光滑支持向量机的研究现状 | 第74-76页 | ·Mangasarian 的光滑模型 | 第74-75页 | ·多项式光滑模型 | 第75-76页 | ·线性光滑对角加权支持向量机 | 第76-80页 | ·非线性光滑对角加权支持向量机 | 第80-84页 | ·TNSDWSVM | 第81-82页 | ·DNSDWSVM | 第82-84页 | ·算法实现 | 第84-87页 | ·数值实验 | 第87-90页 | ·本章小结 | 第90-91页 | 第五章 支持向量域描述算法研究 | 第91-111页 | ·引言 | 第91-93页 | ·支持向量域描述SVDD | 第93-97页 | ·输入空间SVDD | 第93-94页 | ·特征空间SVDD | 第94-96页 | ·支持向量特性及分布 | 第96-97页 | ·约简支持向量域描述RSVDD | 第97-102页 | ·中心距离比值提取SVM 的支持向量 | 第97-98页 | ·约简支持向量域描述 | 第98-99页 | ·约简集规模 | 第99-100页 | ·数值实验 | 第100-102页 | ·结论 | 第102页 | ·信赖支持向量域描述 | 第102-110页 | ·信赖支持向量域描述 | 第103-104页 | ·抽样集规模 | 第104页 | ·抽样集分布 | 第104-106页 | ·参数设置和复杂度 | 第106-107页 | ·数值实验 | 第107-110页 | ·结论 | 第110页 | ·本章小结 | 第110-111页 | 结束语 | 第111-113页 | 参考文献 | 第113-124页 | 致谢 | 第124-126页 | 攻读博士学位期间的科研工作 | 第126-128页 |
|
|
|
|
论文编号BS597902,这篇论文共128页 会员购买按0.35元/页下载,共需支付44.8元。 直接购买按0.5元/页下载,共需要支付64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。 |
|
|