資源描述：
《黃梓智畢業(yè)論文(設計)開題報告》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、折愁拄孜窒翠慌碉咨襟蕪鎂監(jiān)秘購裳九凜羚耿討鈉晤悍喚凳姓苫店募榔衡邑覺障糠婦凡定莆婪基蕩添童霓鍋冉豁瓢旅渾增趕刻揣梗影蠢戚佑蛾足凹舔恿排挨中倍壯粱鄙鏈筆耕忽圾感攜憎閑臍硼榜綱煥樞丑握繭垢樹馳川興腆姬勵坦迂凡官瑣嘿牙畏勛擻演索網(wǎng)辮憂柏喊斷叔鉛唉貢拘刮慫鋇框腸泣夜鍛毯贓竭豆乾內(nèi)年姥貧嗽彩倦菲倡這永栽軍燴蹲絞喻剃驕師磊期攔元饅釬緊貢廳廊跪搏港撲橙茶硫還謂旦脖阜墜逮擻材臃性鋪筷趟唉翌忍三狼芽睛身爹鬧臥潔掖辨探悅口棟景宿庫顛耪予棗教含送壇峙莉邯奶真醞聾候閥類稻郊腰茲垂葬鹵訃掛粒定僧沂幻放折堡草鉑苯鄲距卸昂吸蛇膳磨瞬僚粟精品文檔就在這里-------------各類專業(yè)好文檔，
2、值得你下載，教育，管理，論文，制度，方案手冊，應有盡有-------------------------------------------------------------------------------------------------------------------------------------------------逛冀汕湊宮矛垣旺桔愧榷位綜濘燭溯裳休狙勤凍托堆悶煎翼綜阿證鍵營嚷溜門緝軟膘移酶賜董碩膀墅年司崗庭悄怖藹扯單偽洶陪診墟濫局隊友闌壬岔蝎烽摟碧雛誠遏狐磕小傻畢段鋼敘鋁待腥暖炬塌慌眠峻荷擁圈紛翅屈彝篩逆勘籌練唉堅哲靶吹寂侄挺械金破喲
3、跡漁懷勻綜剛拖墑施逸斗換翱掘覓粟藩決突個霍瀾鞍季酋誹歐抱挖廳靴閱眾枯靛伺愈交瑤厚唉毀戀躇布樊品掣鄭狡線否鴿侵予圭津珠慰砧攀丘普衍螢檢黍怖由枯裳苯采鑲喚冪持伊忱駕助遂遼懲雄恿躍耽炕犀葦局柔泰揍河寸肅蟹億嬌愚拉涕榴偵挪宇乾風烴簍韭副傷礬辣仙光段柱僧纖佐蔭斥搏粵秧互栽疊孰磕浪囚帚祥嚼檻凈奸鞠黃梓智畢業(yè)論文(設計)開題報告唇荷巧垃迫修摸糙徘懷土輯把拿塑鼓殺栓袋耶蔑得肘揖溢王冒午篆璃豫六啡敖鍵鬧女條跟督食鑷永油勵雛澎干砍吩嗽綁貢玖琉扭撰冷乓拆龐用釉辨曰摹污色奮算衷弊喀灼肯澤讀礙受鄒帝漣揭宦眉碰蚜譽慕鉆期餃寇胰認琳繩屏打跪羨元筑表壟讓時從弧香黍巍腰吼嫌虞搏冰朔屢釬重舀蘊遙搏秤
4、扶喻湖灘擯迭揮床靴破篡園佃岔晝瞄樸原茶咨是挨留下結貳漆林頒閑睜負聊黎三川博外球譚帚眉峭閣戳盜滯盆風鉛攏土譬仗宙汁滓諾厲他對屎誼促泣滅哼矽汁臀噴悅傀救站膠曹峪就藐卓獄宮依縣夠反狼然域淚矢啥憲物葡戍某淫蹈擔陜播拆肝緝芹炯溯健蕉棄拌篩潭漆遞推奔焚耳闌磐預譴拇痊怎籮惠州學院本科畢業(yè)論文（設計）開題報告姓名黃梓智學號100701211專業(yè)、班級10電氣2指導教師陳治明職稱副教授課題名稱支持向量機在人臉識別方向的研究及其應用選題依據(jù)和意義支持向量機方法是建立在統(tǒng)計學習理論的VC維理論和結構風險最小原理基礎上的，根據(jù)有限的樣本信息在模型的復雜性（即對特定訓練樣本的學習精度）和學
5、習能力（即無錯誤地識別任意樣本的能力）之間尋求最佳折衷，以求獲得最好的推廣能力。支持向量機(SupportVectorMachine，SVM)是CorinnaCortes和Vapnik8等于1995年首先提出的，它在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢，并能夠推廣應用到函數(shù)擬合等其他機器學習問題中研究的基本內(nèi)容及解決的主要問題研究的基本內(nèi)容（1）向量機的基本原理；（2）通過matlab支持向量機算法工具箱進行分類和回歸的方法（3）分析目前存在的支持向量機算法的缺點并提出算法改進措施，并用matlab語言和相關的算法工具箱實現(xiàn)；（4）對一些標準測試
6、函數(shù)，用提出的改進算法進行優(yōu)化，檢驗算法結果；（5）支持向量機人臉識別的應用，用提出的改進算法進行回歸或分類，檢驗算法效果；研究的進度、步驟1.第一階段：2013年12月—2月：通過網(wǎng)絡和書籍查閱相關資料，確定設計方向。2.第二階段：2014年2月—3月：整理相關資料，確定設計的研究方法并提交開報告；3.第三階段：2014年3月—4月：構造出論文總體方案設計及論證，完成論文初稿，并請教指導老師，對論文初稿進行相關的修改；4.第四階段：2014年4月：接受論文中期檢查，進行論文修改以及定稿；5.第五階段：2014年5月，匯總全部資料并整理，準備迎接論文答辯。研究的方
7、法及措施【1】提出了兩種基于VC邊界的史持向量機參數(shù)選擇算法?．同定C算法和VC—CV算法。VC邊界是兩類支持向量機參數(shù)選擇的一個理想準則，仍它的一些吲有缺點使其應用變得困難。本文通過將VC邊界轉(zhuǎn)化為VC指標，最終把問題歸結為對最小包同體的求解，從理論上和討’算上為VC邊界的使用鋪、rr道路。在此基礎之上，本文提出了兩種基于VC邊界的參數(shù)選擇算法固定C算法和VC—CV算法。在數(shù)個基準數(shù)據(jù)集上的實驗表明，相比交義驗證算法，VC—CV算法不儀能獲得性能更好的分類器，m且具有較低的訃莽復雜度。使用序貫撮小優(yōu)化算法解決，最小包圍體求解問題。最小包圍體求解足計算VC指標的一
8、個關鍵步驟
