| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 论文的研究背景及发展状况 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 发展状现 | 第9页 |
| 1.2 本文的主要工作 | 第9页 |
| 1.3 论文的组织结构 | 第9-11页 |
| 第二章 支持向量机的基本理论 | 第11-19页 |
| 2.1 小样本统计学习理论基础 | 第11-15页 |
| 2.1.1 经验风险最小化原则和一致性 | 第11-12页 |
| 2.1.2 VC 维 | 第12-13页 |
| 2.1.3 结构风险最小化原则 | 第13-15页 |
| 2.2 支持向量机 | 第15-19页 |
| 2.2.1 核函数[10] | 第15-17页 |
| 2.2.2 Wolfe 对偶 | 第17-19页 |
| 第三章 支持向量回归算法 | 第19-30页 |
| 3.1 二次规划下的支持向量回归算法 | 第19-27页 |
| 3.1.1 ε不敏感损失函数 | 第19-20页 |
| 3.1.2 二次规划下的支持向量回归模型 | 第20-25页 |
| 3.1.3 算法实现 | 第25-27页 |
| 3.2 线性规划下的支持向量回归算法 | 第27-30页 |
| 3.2.1 线性规划下的支持向量回归模型 | 第27-28页 |
| 3.2.2 算法实现 | 第28-30页 |
| 第四章 确定经验风险水平的线性规划支持向量回归算法 | 第30-41页 |
| 4.1 确定单个参数经验风险水平的线性规划支持向量回归算法 | 第30-32页 |
| 4.1.1 引言 | 第30页 |
| 4.1.2 回归模型介绍 | 第30-31页 |
| 4.1.3 算法实现 | 第31-32页 |
| 4.2 确定多个参数经验风险水平线性规划支持向量回归算法 | 第32-34页 |
| 4.2.1 引言 | 第32-33页 |
| 4.2.2 回归模型 | 第33页 |
| 4.2.3 算法实现 | 第33-34页 |
| 4.3 实验与分析 | 第34-41页 |
| 4.3.1 实验1 | 第34-36页 |
| 4.3.2 实验2 | 第36-38页 |
| 4.3.3 实验3 | 第38-41页 |
| 第五章 总结 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 附录A 实验 1 模型 4.5 算法程序 | 第44-46页 |
| 附录B 实验 2 模型 4.5 算法程序 | 第46-48页 |
| 附录C 实验 2 模型 4.14 算法程序 | 第48-50页 |
| 附录D 实验 3 模型 4.5 算法程序 | 第50-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53页 |
