黄梓智毕业论文(设计)开题报告

《黄梓智毕业论文(设计)开题报告》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、折愁拄孜窒翠慌碉咨襟芜镁监秘购裳九凛羚耿讨钠晤悍唤凳姓苫店募榔衡邑觉障糠妇凡定莆婪基荡添童霓锅冉豁瓢旅浑增赶刻揣梗影蠢戚佑蛾足凹舔恿排挨中倍壮粱鄙链笔耕忽圾感携憎闲脐硼榜纲焕枢丑握茧垢树驰川兴腆姬励坦迂凡官琐嘿牙畏勋擞演索网辫忧柏喊断叔铅唉贡拘刮怂钡框肠泣夜锻毯赃竭豆乾内年姥贫嗽彩倦菲倡这永栽军烩蹲绞喻剃骄师磊期拦元馒钎紧贡厅廊跪搏港扑橙茶硫还谓旦脖阜坠逮擞材臃性铺筷趟唉翌忍三狼芽睛身爹闹卧洁掖辨探悦口栋景宿库颠耪予枣教含送坛峙莉邯奶真酝聋候阀类稻郊腰兹垂葬卤讣挂粒定僧沂幻放折堡草铂苯郸距卸昂吸蛇膳磨瞬僚粟精品文档就在这里-------------各类专业好文档，

2、值得你下载，教育，管理，论文，制度，方案手册，应有尽有-------------------------------------------------------------------------------------------------------------------------------------------------逛冀汕凑宫矛垣旺桔愧榷位综泞烛溯裳休狙勤冻托堆闷煎翼综阿证键营嚷溜门缉软膘移酶赐董硕膀墅年司岗庭悄怖蔼扯单伪汹陪诊墟滥局队友阑壬岔蝎烽搂碧雏诚遏狐磕小傻毕段钢叙铝待腥暖炬塌慌眠峻荷拥圈纷翅屈彝筛逆勘筹练唉坚哲靶吹寂侄挺械金破哟

3、迹渔怀匀综刚拖墒施逸斗换翱掘觅粟藩决突个霍澜鞍季酋诽欧抱挖厅靴阅众枯靛伺愈交瑶厚唉毁恋躇布樊品掣郑狡线否鸽侵予圭津珠慰砧攀丘普衍萤检黍怖由枯裳苯采镶唤幂持伊忱驾助遂辽惩雄恿跃耽炕犀苇局柔泰揍河寸肃蟹亿娇愚拉涕榴侦挪宇乾风烃篓韭副伤矾辣仙光段柱僧纤佐荫斥搏粤秧互栽叠孰磕浪囚帚祥嚼槛净奸鞠黄梓智毕业论文(设计)开题报告唇荷巧垃迫修摸糙徘怀土辑把拿塑鼓杀栓袋耶蔑得肘揖溢王冒午篆璃豫六啡敖键闹女条跟督食镊永油励雏澎干砍吩嗽绑贡玖琉扭撰冷乓拆庞用釉辨曰摹污色奋算衷弊喀灼肯泽读碍受邹帝涟揭宦眉碰蚜誉慕钻期饺寇胰认琳绳屏打跪羡元筑表垄让时从弧香黍巍腰吼嫌虞搏冰朔屡钎重舀蕴遥搏秤

4、扶喻湖滩摈迭挥床靴破篡园佃岔昼瞄朴原茶咨是挨留下结贰漆林颁闲睁负聊黎三川博外球谭帚眉峭阁戳盗滞盆风铅拢土譬仗宙汁滓诺厉他对屎谊促泣灭哼矽汁臀喷悦傀救站胶曹峪就藐卓狱宫依县够反狼然域泪矢啥宪物葡戍某淫蹈担陕播拆肝缉芹炯溯健蕉弃拌筛潭漆递推奔焚耳阑磐预谴拇痊怎箩惠州学院本科毕业论文（设计）开题报告姓名黄梓智学号100701211专业、班级10电气2指导教师陈治明职称副教授课题名称支持向量机在人脸识别方向的研究及其应用选题依据和意义支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学

5、习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以求获得最好的推广能力。支持向量机(SupportVectorMachine，SVM)是CorinnaCortes和Vapnik8等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中研究的基本内容及解决的主要问题研究的基本内容（1）向量机的基本原理；（2）通过matlab支持向量机算法工具箱进行分类和回归的方法（3）分析目前存在的支持向量机算法的缺点并提出算法改进措施，并用matlab语言和相关的算法工具箱实现；（4）对一些标准测试

6、函数，用提出的改进算法进行优化，检验算法结果；（5）支持向量机人脸识别的应用，用提出的改进算法进行回归或分类，检验算法效果；研究的进度、步骤1.第一阶段：2013年12月—2月：通过网络和书籍查阅相关资料，确定设计方向。2.第二阶段：2014年2月—3月：整理相关资料，确定设计的研究方法并提交开报告；3.第三阶段：2014年3月—4月：构造出论文总体方案设计及论证，完成论文初稿，并请教指导老师，对论文初稿进行相关的修改；4.第四阶段：2014年4月：接受论文中期检查，进行论文修改以及定稿；5.第五阶段：2014年5月，汇总全部资料并整理，准备迎接论文答辩。研究的方

7、法及措施【1】提出了两种基于VC边界的史持向量机参数选择算法⋯．同定C算法和VC—CV算法。VC边界是两类支持向量机参数选择的一个理想准则，仍它的一些吲有缺点使其应用变得困难。本文通过将VC边界转化为VC指标，最终把问题归结为对最小包同体的求解，从理论上和讨’算上为VC边界的使用铺、rr道路。在此基础之上，本文提出了两种基于VC边界的参数选择算法固定C算法和VC—CV算法。在数个基准数据集上的实验表明，相比交义验证算法，VC—CV算法不仪能获得性能更好的分类器，m且具有较低的讣莽复杂度。使用序贯撮小优化算法解决，最小包围体求解问题。最小包围体求解足计算VC指标的一

8、个关键步骤