支持向量机以及结合深度学习的分类算法研究

《支持向量机以及结合深度学习的分类算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、２０１７届研究生硕：ｔ学位论文分类号：学校代码：１０２６９密级；学号：５１１２１２１１００７＃奠Ｅ佩綾绿ＥａｓｔＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ损±等恆巧交＇ＳＤＭＡＳＴＥＲＩＳＳＥＲＴＡＴＩＯＮ论文题目：支持向量机Ｌ义及结合深度学习的分类算法研究院《：计貸化科学与款件工程学院专业：计貸化应用技术研巧方向：Ｗ巧应用技术指导教师：郑盛教授学位申请人：刘宇锦２０１６年１１月华东师范大学硕±学位论文２０１７届研究生硕±学位论文分类号１

2、０２６９：学校代码：密级；学号：５１１２１２１１００７馨華妍接义爹ＥａｓｔＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ硕古学位论文’ＭＡＳＴＥＲＳＤＩＳＳＥＲＴＡＴＩＯＮ支持向量机及结合深度学习的分类算法研巧院系：汁算坑科学与款件工程学院专业：计算祝应用技术研巧方向：ＷＥＢ应用巧乂指导教师：就媒教授学位申请人：刘宇锦２０１６年１１月华东师范大学硕±学位论文ＤｉｓｓｅｒｔａｔｉｏｎｏｆＭａｓｔｅｒＤｅｇｒｅｅ２０１７ＵｎｉｖｅｒｓｉｔＣｏｄ

3、ｅ：１０％９，ｙＳｔｕｄｅｎｔＩＤ：５１１２１２１１００７ＥａｓｔＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙＲｅｓｅａｒｃｈｏｎＣｌａｓｓｉｆｉｃａｔｉｏｎＡｌｏｒｉｔｈｍＢａｓｅｄｇｏｎＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｓａｎｄＤｅｅｐＬｅａｒｎｉｎｇＩｎｓｔｉｔｕ化：Ｓｃｈｏｏｌｏｆｃｏｍｐｕｔｅｒｓｃｉｅｎｃｅａｎｄｓｏｆｔｗａｒｅｅｎｇｉｎｅｅｒｉｎ泛Ｍａｏｒ：ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎＴｅｃｈｎｏｌｏｇｙｊＲｅｓｅａｒｃｈ：Ｗｅｂ

4、ＡｌｉｃａｔｉｏｎＴｅｃｈｎｏｌｏｇｙｐｐＳｕｅｒｖｉｓｏｒ：ｒｏｆｅｓｓｏｒＪｕｎＺｈｅｎｇｐＰＣａｎ出ｄａｔｅ：Ｙ山ｉｎＬｉｕＮｏｖｅｍｂｅｒ，２０１６华东师范大学硕±学位论文华东师巧大学学位论文厮创性声巧郑重声明；本人呈交的学位论《支持向量机Ｗ及结合深度学习的分类算法研究》，是在华东师范大学攻读＾／博±（请勾选）学位期间，在导师的指导下＾进行的研究工作及取得的研究除文中己经注明引用的内容外，本论文不包含其他个人己经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和

5、集体，均已在文中作了明确说明并表示谢意。作者签名；日期：会年Ｍ月义文日华东师范大学学位论文著作仅使用声明《支持向量机Ｗ及结合深度学习的分类算法研究》系本人在华东师范大学攻读学位期间在导师指导下完成的博±（请勾选）学位论文，本论文的著作权归本人所有。本人同意华东师＾学根据相关规定保留和使用此学位论文，并向主管部口和学校指定的相关机构送交学位论文的印刷版和电子版；允许学位论文进入华东师范大学图书馆及数据库被查阅、借阅；同意学校将学位论文加入全国博±、硕±学位论文共建单位数据库进行检索，将学位论文的标题和摘要汇编

6、出版，采用影印、缩印或者其它方式合理复制学位论文。本学位论文属于（请勾选）＂＂＂＂＊（）１．经华东师范大学巧关部口审查核定的内部或涉密学位论文，于年月日解密，解密后适用上述授权。（＼／）２．不保密，适用上述授权。导师签名＿本人铭名年ｆｆ月ｉ心曰＂＂＊涉密学位论文应是己经华东师范大学学位评定委员会办公室或保密委员会审定过的学位论文（需附获批的《华东师范大学研究生申请学位论＂＂文涉密审批表》方为有效），未经上述部口审定的学位论文均为公开学位论文。此声明栏不填写的，，默认为公开学位论文均适用上述授

7、权）。平东师范大学硕上学位论文硕±学位论文答辩委员会成员名单姓名职称单位备注王华教授级高级工上海市计算技主席程师术研究所朱敏高级工程师华东师范大学计算机科学与软件工程学院计算中也余青松高级工程师华东师范大学计算机科学与软件工程学院计算中也华东师范大学硕生学位论文论文摘要本文研巧了支持向量机（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｓ，ＳＶＭ）算法与深度学习一Ｌ方法之的递归自编码方法，详细梳理了它们的发展过程，算法原理，Ａ及各自的不足，并且针

8、对这些不足提出自己的改进方法，并研究了如何把ＳＶＭ应用于一种新的分类学习方法数据挖掘的聚类算法中，化及结合两者提出了。＞主要的研究成果包括１＾