文摘
英文文摘
前言
声明
第一章绪论
1.1研究背景
1.2机器学习理论概述
1.2.1经典统计估计方法
1.2.2经验非线性方法
1.2.3统计学习理论
1.3本文主要工作及组织结构
第二章机器学习理论
2.1控制学习过程的推广能力
2.1.1 VC维
2.1.2结构风险最小化理论
2.2最优超平面
2.2.1△-间隔分类超平面
2.2.2构造最优超平面
2.3支持向量机
2.3.1内积回旋
2.3.2构造支持向量机
2.4 SVM常用的经典实现算法
2.4.1块算法
2.4.2 Osuna分解算法
2.4.3 SVM light算法
2.4.4 SMO算法
第三章最优化理论概述
3.1梯度法
3.2罚函数法
3.3复形调优法
第四章最小VC维分类器模型的建立
4.1最小VC维分类器的理论基础
4.2在特征空间中确定半径和权向量
4.3最小VC维分类器的建立
4.4最小VC维分类器的试验结果
4.5本章小结
第五章最小VC维分类器的实现及改进
5.1求解最小VC维分类器的基本算法
5.2试验一 求解最小VC维分类器基本算法的性能验证
5.3求解最小VC维分类器的改进算法
5.4试验二改进的求解最小VC维分类器算法的性能验证
5.5本章小结
第六章总结与展望
6.1总结
6.2进一步工作
参考文献
致谢