文摘
英文文摘
声明
第一章 绪论
1.1研究背景
1.1.1机器学习的内容和发展
1.1.2统计学习理论
1.2支持向量机的研究现状
1.3本文的研究内容和意义
1.4本文的内容安排
1.5本章小结
第二章 支持向量机的训练算法研究
2.1支持向量机基础
2.1.1线性支持向量机
2.1.2非线性支持向量机
2.2二次规划的求解算法
2.4.1选块算法
2.4.2分解算法
2.4.3序贯最小优化算法
2.3基于函数逼近的工作集选择策略
2.6.1一阶逼近
2.6.2二阶逼近
2.6.3收敛性分析
2.4本章小结
第三章 大规模训练集的支持向量预选
3.1预选样本集
3.2基于边界的预选策略
3.2.1线性可分问题
3.2.2线性不可分问题
3.2.3仿真实验及分析
3.3基于类别质心的预选策略
3.3.1类别质心
3.3.2快速实现算法
3.3.3仿真实验及分析
3.4本章小结
第四章 模型选择
4.1模型选择的一般方法
4.1.1交叉验证(Cross Validation)
4.1.2留一法(Leave-one-out,LOO)
4.2基于结构风险的模型选择
4.2.1选择核及其参数
4.2.2惩罚因子的选取
4.3仿真实验及分析
4.4本章小结
第五章 支持向量机在模式分类问题中的应用
5.1人脸识别问题
5.1.1图像预处理
5.1.2样本获取
5.1.3基于后验概率的多类分类
5.1.4多类分类的模型选择
5.1.5基于关键部件的人脸身份识别
5.1.6仿真实验及分析
5.2信用评估问题
5.2.1样本获取
5.2.2基于SVM的信用评估实证分析
5.2.3特征约简
5.3本章小结
结论
主要结论
后续工作展望
致谢
参考文献
攻读博士学位期间所发表论文、著作及科研情况
西南交通大学;