文摘
英文文摘
1 绪论
1.1 课题的研究背景
1.2 研究意义
1.3 国内外研究现状
1.4 本文的工作及组织结构
2 基础理论概述
2.1 数据挖掘
2.2 特征提取
2.3 统计学习理论
2.3.1 经验风险最小化
2.3.2 结构风险最小化
2.4 支持向量机理论
2.4.1 支持向量机基础
2.4.2 线性分类器
2.4.3 非线性分类器
2.4.4 核函数
2.5 本章小结
3 分位数及相对熵特征提取模型及应用
3.1 分位数特征提取模型
3.1.1 分位数的概念
3.1.2 分位数特征提取模型
3.2 相对熵特征提取模型
3.2.1 相对熵的概念
3.2.2 相对熵特征提取模型
3.3 特征提取模型的应用
3.3.1 数据采集
3.3.2 数据预处理
3.3.3 分位数及相对熵特征提取模型
3.3.4 模型求解
3.4 本章小结
4 支持向量机特征提取优化模型及应用
4.1 支持向量机特征提取优化模型
4.1.1 模型总体思路
4.1.2 确定判别函数
4.2 浮动序列前进算法
4.3 支持向量机优化
4.4 模型的应用
4.5 本章小结
5 总结和展望
5.1 本文的总结
5.2 下一步的研究工作
参考文献
参考文献
致谢