声明
致谢
摘要
1 绪论
1.1 研究的背景及意义
1.2 国内外研究现状
1.3 研究内容及组织结构
2 预备知识
2.1 支持向量机
2.1.1 支持向量机分类准则
2.1.2 最优分离超平面
2.1.3 核函数及Mercer定理
2.1.4 线性支持向量机
2.1.5 非线性支持向量机
2.2 多元宇宙优化算法
2.2.1 多元宇宙优化算法理论
2.2.2 数学模型
2.2.3 算法规则
3 基于W-IMVO算法优化SVM参数
3.1 改进思路
3.2 算法步骤
3.3 数值实验
3.3.1 实验数据提取与预处理
3.3.2 μ值对SVM模型性能的影响
3.3.3 实验结果与分析
3.4 小结
4 基于T-IMVO算法优化SVM参数
4.1 改进思路
4.2 算法步骤
4.3 数值实验
4.3.1 实验数据提取与预处理
4.3.2 η值对SVM模型性能的影响
4.3.2 实验结果与分析
4.4 小结
5 实例分析
5.1 问题分析
5.1.1 问题描述
5.1.2 构造支持向量机模型
5.2 实验结果与分析
5.2.1 数据提取及预处理
5.2.2 实验结果与分析
5.3 小结
结论
参考文献
作者简历
学位论文数据集