文摘
英文文摘
引言
1 研究背景及意义
2 国内外研究现状
3 课题研究的内容及章节安排
一 统计学习理论与模式识别方法
1.1 机器学习问题中的经验风险最小化原则
1.1.1 机器学习问题的表示
1.1.2 经验风险最小化原则
1.1.3 结构风险最小化原则下机器学习的推广能力
1.2 统计学习理论中的结构风险最小化原则
1.2.1 VC维
1.2.2 推广性的界
1.2.3 结构风险最小化原则
1.3 本章小结
二 支持向量机分等级量化识别模型
2.1 支持向量机算法
2.1.1 最优超平面的构造
2.1.2 支持向量机算法
2.2 SVM模型参数选择
2.2.1 基于经验公式的模型选择
2.2.2 基于交叉验证的模型选择
2.2.3 基于Matlab的K-CV方法实现
2.3 基于支持向量机的多类别分类
2.3.1 支持向量机多类别分类算法
2.3.2 分级聚类支持向量机
2.4 本章小结
三 粘接缺陷特征向量的加权
3.1 特征加权
3.1.1 特征重要性的度量
3.1.2 信息增益法
3.1.3 增益比率法
3.1.4 对称不确定性法
3.1.5 X2检验法
3.1.6 Gini指标法
3.1.7 Relief-F算法
3.2 构造特征加权支持向量机
3.3 本章小结
四 基于SVM的薄板粘接缺陷定量识别
4.1 薄板粘接缺陷超声检测定量识别的数据来源
4.2 数据预处理
4.2.1 基于K平均聚类的训练集压缩
4.2.2 数据归一化
4.3 基于支持向量机的薄板粘接缺陷量化识别
4.4 基于特征加权支持向量机的粘接缺陷量化识别
4.5 本章小结
结论
参考文献
致谢
攻读学位期间发表的学术论文目录
读研期间参加的科研项目
内蒙古大学;