封面
声明
致谢
中文摘要
英文摘要
目录
1 绪论
1.1 选题背景及意义(Topics Background and Value)
1.2 国内外研究现状(Research Status)
1.3 存在问题及研究重点(Existing Problems and Concentration)
1.4 本文主要研究内容及组织结构(Main Contents and Organization)
2 基础性NHC分类算法
2.1 GEPSVM算法(GEPSVM Algorithm)
2.2 TWSVM算法(TWSVM Algorithm)
2.3 PTSVM算法(PTSVM Algorithm)
2.4 本章小结(Summary)
3 局部保持孪生支持向量机
3.1 引言(Introduction)
3.2 局部保持投影(Locality Preserving Projections)
3.3 局部保持孪生支持向量机算法( Locality Preserving Twin Support Vector Machine Algorithm)
3.4 实验分析(Experiments and Analysis)
3.5 本章小结(Summary)
4 非线性最小二乘投影孪生支持向量机4 Kernel based LSPTSVM
4.1 引言(Introduction)
4.2 最小二乘投影孪生支持向量机算法(LSPTSVM Algorithm)
4.3 非线性最小二乘投影孪生支持向量机算法( Kernel based LSPTSVM Algorithm)
4.4 实验分析(Experiments and Analysis)
4.5 本章小结(Summary)
5 鲁棒的局部加权孪生支持向量机5 Robust WLTSVM
5.1 引言(Introduction)
5.2 局部加权孪生支持向量机算法(WLTSVM Algorithm)
5.3 鲁棒的局部加权孪生支持向量机算法( Robust WLTSVM Algorithm)
5.4 实验分析(Experiments and Analysis)
5.5 本章小结(Summary)
6 加权投影孪生支持向量机及最小二乘加权投影孪生支持向量机
6.1 引言(Introduction)
6.2 加权投影孪生支持向量机(Weighted PTSVM)
6.3 最小二乘加权投影孪生支持向量机(Least Squares weighted PTSVM)
6.4 实验分析(Experiments and Analysis)
6.5 本章小结(Summary)
7 结论与展望
7.1 结论(Conclusions)
7.2 展望(Prospects)
参考文献
作者简历
学位论文数据集
中国矿业大学;