文摘
英文文摘
第一章绪论
1.1机器学习综述
1.1.1机器学习的概念和内容
1.1.2学习问题的发展
1.2统计学习理论
1.2.1机器学习的本质
1.2.2函数集的学习性能与VC维
1.2.3推广性的界
1.3分类
1.4本文的研究背景和内容
1.4.1研究背景
1.4.2本文的研究内容
第二章学习中的分类问题
2.1学习问题的一般描述
2.2分类学习方法
2.2.1 MP模型的几何解释
2.2.2支持向量机
2.2.3基于邻域的空间划分方法
2.3分类超曲面研究的可行性
2.3.1现有学习方法分析
2.3.2可行性
第三章基于分类超曲面的分类方法
3.1分类超曲面的构造
3.1.1理论依据
3.1.2分类超曲面
3.2近邻学习算法
3.2.1近邻决策规则
3.2.2 讨论
33基于超曲面的分类判别
3.3.1假设条件
3.3.2基本算法步骤
3.3.3算法解析
第四章SVM直接方法在二维数据分类中的实现
4.1二维数据中的分类学习算法
4.1.1基本思想
4.1.2实现算法
4.1.3算法解析
4.2实验及结果
4.2.1测试数据构造
4.2.2实验过程
4.3小结
第五章SVM直接方法在三维数据分类中的实现
5.1三维数据中的分类学习算法
5.1.1基本思想
5.1.2实现算法
5.1.3算法分析
5.2实验及结果
5.2.1测试数据构造
5.2.2实验过程
5.3小结
第六章基于分类超曲面的分类方法的推广
6.1多类问题
6.1.1多类判别策略
6.1.2分类实现
6.1.3实验及结果
6.2高维分类的设想
6.3小结
第七章SVM直接方法的编程实现
7.1实验系统
7.1.1系统设计
7.1.2数据结构
7.2程序设计
结束语
参考文献
致谢
作者简历