声明
摘要
第一章 绪论
1.1 论文选题的意义
1.2 研究现状
1.3 本文研究的主要内容
1.4 本文的组织结构
第二章 支持向量机与训练算法
2.1 支持向量机
2.1.1 分类问题
2.1.2 线性可分情况下的支持向量机
2.1.3 线性不可分情况下的支持向量机
2.1.4 核函数
2.2 训练算法
2.2.1 算法综述
2.2.2 块算法
2.2.3 固定工作集的分解算法
2.2.4 SMO算法
2.3 本章小结
第三章 一种改进SMO的方法
3.1 SMO算法的不足点
3.2 改进策略
3.3 本文的改进思路
3.3.1 跳过部分非支持向量
3.3.2 收缩工作集策略
3.3.3 提前结束不必要的循环
3.4 改进算法的步骤
3.5 本章小结
第四章 SMO的增量学习算法
4.1 问题的引出
4.2 基于SMO的增量学习方法
4.2.1 支持向量及新增训练样本分析
4.2.2 增量学习算法
4.3 算法的流程图
4.4 综合改进策略
4.5 本章小结
第五章 实验与分析
5.1 数据集的情况描述
5.2 实验与分析
5.2.1 改进SMO算法的相关实验
5.2.2 增量算法的相关实验
5.2.3 综合改进策略的相关实验
5.3 本章小结
第六章 总结和展望
6.1 总结
6.2 展望
参考文献
在校期间发表的论文、科研成果等
致谢
华中师范大学;