基于极限学习的多分类支持向量数据描述方法研究

论文目录   摘要 第1-6页 ABSTRACT 第6-10页 符号对照表 第10-11页 缩略语对照表 第11-14页 第一章 绪论 第14-22页   1.1 研究背…

论文目录  
摘要 第1-6页
ABSTRACT 第6-10页
符号对照表 第10-11页
缩略语对照表 第11-14页
第一章 绪论 第14-22页
  1.1 研究背景及意义 第14-15页
  1.2 国内外研究现状 第15-20页
    1.2.1 支持向量机 第15-17页
    1.2.2 支持向量数据描述 第17-19页
    1.2.3 极限学习机 第19-20页
  1.3 论文内容及章节安排 第20-22页
第二章 数据描述概述 第22-40页
  2.1 引言 第22页
  2.2 支持向量机概述 第22-26页
  2.3 支持向量数据描述概述 第26-31页
    2.3.1 基于正常样本的支持向量数据描述思想 第26-29页
    2.3.2 基于异常样本的支持向量数据描述思想 第29-31页
  2.4 极限学习机概述 第31-38页
  2.5 本章小结 第38-40页
第三章 极限学习特征空间的支持向量数据描述 第40-52页
  3.1 引言 第40页
  3.2 极限学习特征空间的支持向量数据描述算法分析 第40-44页
    3.2.1 数据的极限学习特征映射 第40-42页
    3.2.2 极限学习特征空间的支持向量数据描述 第42-44页
  3.3 仿真实验与分析 第44-50页
    3.3.1 原始数据的支持向量数据描述 第45-46页
    3.3.2 原始数据的极限学习机 第46-47页
    3.3.3 数据极限学习特征空间的支持向量数据描述 第47-50页
  3.4 本章小结 第50-52页
第四章 多分类支持向量数据描述 第52-70页
  4.1 引言 第52页
  4.2 多分类支持向量数据描述算法 第52-54页
  4.3 改进的多分类支持向量数据描述算法 第54-59页
    4.3.1 数据映射到极限学习特征空间 第54-55页
    4.3.2 不确定类样本的硬划分 第55-57页
    4.3.3 不确定类样本的软划分 第57-58页
    4.3.4 扩大划分超球体半径 第58-59页
    4.3.5 分类结果的平均可信概率 第59页
  4.4 仿真实验与分析 第59-68页
    4.4.1 映射输入数据的分类 第60-61页
    4.4.2 消除不确定率的分类 第61-63页
    4.4.3 减小不确定率的分类 第63-65页
    4.4.4 增大半径的分类 第65-67页
    4.4.5 平均可信概率的计算 第67-68页
  4.5 本章小结 第68-70页
第五章 总结与展望 第70-72页
  5.1 全文总结 第70页
  5.2 工作展望 第70-72页
参考文献 第72-76页
致谢 第76-78页
作者简介 第78-79页

………………………………………………………

由于篇幅所限,此处不能完全刊载论文全部内容,如需完整论文内容,请点击下面链接去下载全篇论文的完整文档!

 

为您推荐

发表评论

您的电子邮箱地址不会被公开。

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

返回顶部