廈門大學(xué)碩士畢業(yè)論文開題資料

1、基于二叉平衡(pnghng)決策樹的SVM多分類算法的改進報告(bogo)時間：開題報告之 報告人： 導(dǎo)師:共十八頁主要(zhyo)內(nèi)容1 課題(kt)背景2 研究內(nèi)容3 研究思路4 創(chuàng)新之處共十八頁1 課題(kt)背景2 研究內(nèi)容3 研究思路4 創(chuàng)新之處 研究的課題研究現(xiàn)狀理論基礎(chǔ)共十八頁研究的課題 通過訓(xùn)練樣本的學(xué)習(xí)，構(gòu)成決策函數(shù) 通過決策函數(shù)判斷測試樣本類的歸屬2 研究內(nèi)容3 研究思路4 創(chuàng)新之處 問題(wnt)的意義 SVM多分類(fn li)問題 問題的難點共十八頁研究的課題 分類速度 分類準(zhǔn)確率2 研究內(nèi)容3 研究思路4 創(chuàng)新之處 SVM多分類(fn li)問題 問題(wnt)的難

2、點 問題的意義共十八頁 指紋識別 人臉識別 車牌識別研究的課題2 研究內(nèi)容3 研究思路4 創(chuàng)新之處 SVM多分類(fn li)問題 問題(wnt)的難點 問題的意義共十八頁71 課題(kt)背景2 研究內(nèi)容3 研究思路4 創(chuàng)新之處 研究的課題研究現(xiàn)狀理論基礎(chǔ)共十八頁 優(yōu)點：一次性進行多分類 缺點：變量的，求解難 直接法 OAA，OAO 平衡二叉決策樹法研究現(xiàn)狀2 研究內(nèi)容3 研究思路4 創(chuàng)新之處共十八頁 優(yōu)點：準(zhǔn)確率高 缺點：訓(xùn)練時間及識別時間長 直接法 OAA，OAO 平衡二叉決策樹法研究現(xiàn)狀2 研究內(nèi)容3 研究思路4 創(chuàng)新之處共十八頁優(yōu)點：準(zhǔn)確率高，高訓(xùn)練與識別效率缺點：構(gòu)造有效的決策樹難

3、，選取合適的核函數(shù)難 直接法 OAA，OAO 平衡二叉決策樹法研究現(xiàn)狀2 研究內(nèi)容3 研究思路4 創(chuàng)新之處共十八頁1 課題(kt)背景 研究的課題研究現(xiàn)狀理論基礎(chǔ)2 研究內(nèi)容3 研究思路4 創(chuàng)新之處共十八頁理論基礎(chǔ) adaboost 多核學(xué)習(xí) 通過多個核函數(shù)的疊加，代替單核計算2 研究內(nèi)容3 研究思路4 創(chuàng)新之處 通過多次迭代，區(qū)分訓(xùn)練集中有效數(shù)據(jù)共十八頁解決手段1 課題(kt)背景2 研究(ynji)內(nèi)容3 研究思路4 創(chuàng)新之處1 課題背景文獻(xiàn)缺點1 類間距離度量2 算法的有效性3 算法的穩(wěn)定性4 核函數(shù)的選取 A Multi-class SVM Classifier Utilizing B

4、inary Decision Tree研究目標(biāo)1 提高識別準(zhǔn)確率2 降低識別時間3 降低訓(xùn)練時間 1 建立有效的二叉平衡樹2 加強SVM的識別效率3 選取合適的訓(xùn)練集 共十八頁通過結(jié)合類半徑的概念重新定義類間距離類間距離通過分析原文獻(xiàn)算法的若干問題提出新的建樹方案建樹方案單核的SVM有若干局限性，因此引入多核引入多核由于訓(xùn)練數(shù)據(jù)的噪點，引入adaboost提高訓(xùn)練數(shù)據(jù)的準(zhǔn)確性adaboost圖7 解決思路1 課題(kt)背景2 研究(ynji)內(nèi)容3 研究思路4 創(chuàng)新之處共十八頁1 課題(kt)背景2 研究(ynji)內(nèi)容3 研究思路4 創(chuàng)新之處手段先通過理論分析，再通過實驗驗證，最后根據(jù)實

5、驗結(jié)果強化理論(2) 研究平臺：SVMTORCH開源代碼研究條件(1) 數(shù)據(jù)集：MNIST，Statlog，Optdigit，Pendigit共十八頁1 課題(kt)背景2 研究(ynji)內(nèi)容3 研究思路4 創(chuàng)新之處2000（1）新的類間距離衡量方案（2）新的建樹衡量方案（3）結(jié)合多核思想加強SVM分類效率（4）結(jié)合Adaboost思想加強訓(xùn)練樣本的可靠性共十八頁Thank You! please give some questionsAny more information 共十八頁內(nèi)容摘要基于二叉平衡決策樹的SVM多分類算法的改進?；诙嫫胶鉀Q策樹的SVM多分類算法的改進。4 創(chuàng)新之處。 SVM多分類問題。缺點：訓(xùn)練時間及識別時間長。優(yōu)點：準(zhǔn)確率高，高訓(xùn)練與識別效率。缺點：構(gòu)造有效的決策樹難，選取合適的核函數(shù)難。1 類間距離度量。3 算法的穩(wěn)定性。4 核函數(shù)的選取。1 提高(t go)識別準(zhǔn)確率。2 降低識別時間。3 降低訓(xùn)練時間。1 建立有效的二叉平衡樹。2 加強SVM的識別效率。3 選取合適的訓(xùn)練集。通過分析原文獻(xiàn)算法的若干問題提出新的建