| 【中文题名】 | 支持向量回归在曲线拟合/重构中的应用 |
| 【英文题名】 | The Applications of Support Vector Machines for Regression in Curves Fitting/Reconstruction |
| 【学科专业】 | 应用数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-6-13 |
| 【中关键词】 | 机器学习,支持向量回归,计算机辅助几何设计,光顺拟合重构,, |
| 【英关键词】 | Machine Learning,Support Vector Machine for Regression,Computer Aided Geometry Design,Smoothness Fitting/Reconstruction, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>自动推理、机器学习> |
| 【论文摘要】 | 支持向量机是基于统计学习理论的一种机器学习的方法。支持向量回归是支持向量机的回归模型。由于支持向量机具有较严格的理论基础,又能较好地解决许多实际问题,该方法已成为近十年来机器学习领域最有影响的成果之一。
本论文将支持向量回归模型应用于计算机辅助几何设计的曲线拟合/重构的问题中,根据B样条拟合的特点和CAGD的接口要求,建立新的B样条核映射形式,并依据光顺的要求,对支持向量回归模型中的“惩罚系数C”加以改进,从而使支持向量回归模型更好的应用于曲线的光顺拟合/重构问题。 |
| 【论文题纲】 |
|
第一章：绪论 |
6-9 |
|
1．1 研究的背景 |
6-7 |
|
1．2 研究的意义 |
7-8 |
|
1．3 本人所做的工作 |
8-9 |
|
第二章 支持向量回归模型的曲线拟合／重构的光顺性研究 |
9-21 |
|
2．1 支持向量机的回归模型 |
9-14 |
|
2．2 CAGD中曲线拟合／重构的能量法光顺模型 |
14-15 |
|
2．3 支持向量回归曲线拟合／重构的光顺模型 |
15-19 |
|
2．4 小结 |
19-21 |
|
第三章 支持向量回归模型中的映射与核 |
21-31 |
|
3．1 支持向量回归模型的求解 |
21-23 |
|
3．2 核函数与常用的核 |
23-24 |
|
3．3 B样条曲线拟合形式与B样条映射、核映射 |
24-28 |
|
3．4 B样条核映射的数值实验 |
28-30 |
|
3．5 小结 |
30-31 |
|
第四章 支持向量回归模型在曲线光顺拟合／重构中的改进 |
31-40 |
|
4．1 支持向量回归模型中训练集中“坏点”的产生及处理方法 |
31-32 |
|
4．2 支持向量回归模型的光顺拟合／重构改进 |
32-35 |
|
4．3 数值实验 |
35-38 |
|
4．4 小结 |
38-40 |
|
第五章 总结与展望 |
40-42 |
|
5．1 结论 |
40 |
|
5．2 展望 |
40-42 |
|
参考文献 |
42-44 |
|
致谢 |
44-45 |
|
符号说明 |
45-46 |
|
附录 |
46-50 |
|
附录一 |
46-49 |
|
附录二 |
49-50 |
|
个人简历 |
50 |
|
| 【DOI】 | LunWen.ID:2.2008.387332 |
