厦门大学硕士毕业论文开题资料

1、基于二叉平衡(pnghng)决策树的SVM多分类算法的改进报告(bogo)时间：开题报告之 报告人： 导师:共十八页主要(zhyo)内容1 课题(kt)背景2 研究内容3 研究思路4 创新之处共十八页1 课题(kt)背景2 研究内容3 研究思路4 创新之处 研究的课题研究现状理论基础共十八页研究的课题 通过训练样本的学习，构成决策函数 通过决策函数判断测试样本类的归属2 研究内容3 研究思路4 创新之处 问题(wnt)的意义 SVM多分类(fn li)问题 问题的难点共十八页研究的课题 分类速度 分类准确率2 研究内容3 研究思路4 创新之处 SVM多分类(fn li)问题 问题(wnt)的难

2、点 问题的意义共十八页 指纹识别 人脸识别 车牌识别研究的课题2 研究内容3 研究思路4 创新之处 SVM多分类(fn li)问题 问题(wnt)的难点 问题的意义共十八页71 课题(kt)背景2 研究内容3 研究思路4 创新之处 研究的课题研究现状理论基础共十八页 优点：一次性进行多分类 缺点：变量的，求解难 直接法 OAA，OAO 平衡二叉决策树法研究现状2 研究内容3 研究思路4 创新之处共十八页 优点：准确率高 缺点：训练时间及识别时间长 直接法 OAA，OAO 平衡二叉决策树法研究现状2 研究内容3 研究思路4 创新之处共十八页优点：准确率高，高训练与识别效率缺点：构造有效的决策树难

3、，选取合适的核函数难 直接法 OAA，OAO 平衡二叉决策树法研究现状2 研究内容3 研究思路4 创新之处共十八页1 课题(kt)背景 研究的课题研究现状理论基础2 研究内容3 研究思路4 创新之处共十八页理论基础 adaboost 多核学习 通过多个核函数的叠加，代替单核计算2 研究内容3 研究思路4 创新之处 通过多次迭代，区分训练集中有效数据共十八页解决手段1 课题(kt)背景2 研究(ynji)内容3 研究思路4 创新之处1 课题背景文献缺点1 类间距离度量2 算法的有效性3 算法的稳定性4 核函数的选取 A Multi-class SVM Classifier Utilizing B

4、inary Decision Tree研究目标1 提高识别准确率2 降低识别时间3 降低训练时间 1 建立有效的二叉平衡树2 加强SVM的识别效率3 选取合适的训练集 共十八页通过结合类半径的概念重新定义类间距离类间距离通过分析原文献算法的若干问题提出新的建树方案建树方案单核的SVM有若干局限性，因此引入多核引入多核由于训练数据的噪点，引入adaboost提高训练数据的准确性adaboost图7 解决思路1 课题(kt)背景2 研究(ynji)内容3 研究思路4 创新之处共十八页1 课题(kt)背景2 研究(ynji)内容3 研究思路4 创新之处手段先通过理论分析，再通过实验验证，最后根据实

5、验结果强化理论(2) 研究平台：SVMTORCH开源代码研究条件(1) 数据集：MNIST，Statlog，Optdigit，Pendigit共十八页1 课题(kt)背景2 研究(ynji)内容3 研究思路4 创新之处2000（1）新的类间距离衡量方案（2）新的建树衡量方案（3）结合多核思想加强SVM分类效率（4）结合Adaboost思想加强训练样本的可靠性共十八页Thank You! please give some questionsAny more information 共十八页内容摘要基于二叉平衡决策树的SVM多分类算法的改进。基于二叉平衡决策树的SVM多分类算法的改进。4 创新之处。 SVM多分类问题。缺点：训练时间及识别时间长。优点：准确率高，高训练与识别效率。缺点：构造有效的决策树难，选取合适的核函数难。1 类间距离度量。3 算法的稳定性。4 核函数的选取。1 提高(t go)识别准确率。2 降低识别时间。3 降低训练时间。1 建立有效的二叉平衡树。2 加强SVM的识别效率。3 选取合适的训练集。通过分析原文献算法的若干问题提出新的建