文摘
英文文摘
声明
第一章 绪论
1.1研究背景
1.2本文工作
1.3论文结构概述
第二章 统计学习与支持向量机
2.1统计学习理论
2.1.1 VC维
2.1.2学习过程的一致性
2.1.3结构风险最小原则
2.2核函数
2.2.1核函数的定义和性质
2.2.2核函数的构造方法
2.3支持向量机
2.3.1 SVM模型
2.3.2训练算法
第三章 双阈值控制的字符串核SVM方法设计
3.1 SMO算法分析
3.1.1 SMO的KKT优化条件
3.1.2二次规划
3.1.3变量更新
3.3.4优化变量的选择及算法步骤
3.2对SMO算法的改进
3.2.1 SMO阈值更新中的问题
3.2.2双阈值SMO算法
3.2.3双阈值SMO算法试验分析
3.3基于字符串核函数的SVM(SSVM)
3.3.1结构化核函数的意义
3.3.2字符串核函数的构造方法
3.3.3构造一个有限字符串核函数
3.3.4 SSVM方法试验分析
第四章 双阈值控制的SSVM模拟系统的实现
4.1系统设计目的
4.2系统模块设计
4.2.1预处理模块
4.2.2核函数模块
4.2.3训练模块
4.2.4预测模块
4.3系统实现
4.4系统测试
4.4.1二维Iris数据集
4.4.2三维Iris数据集
4.4.3 Australian数据集
第五章 总结与展望
参考文献
致谢
天津师范大学;