| 摘要 | 第1-8页 |
| ABSTRACT | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-14页 |
| ·研究背景 | 第11-12页 |
| ·研究目的及意义 | 第12页 |
| ·本文主要工作 | 第12-13页 |
| ·本文组织结构 | 第13-14页 |
| 第2章 统计学习理论与支持向量机 | 第14-30页 |
| ·统计学习理论的基础 | 第14-19页 |
| ·支持向量机概述 | 第19-22页 |
| ·核函数 | 第22-24页 |
| ·国内外研究状况 | 第24-28页 |
| ·支持向量机面临的挑战 | 第28-30页 |
| 第3章 基于混沌粒子群的 SVM 参数优化算法 | 第30-41页 |
| ·基于混沌粒子群的 SVM 参数优化 | 第30-35页 |
| ·基于一类支持向量机的传感器异常检测 | 第35-37页 |
| ·基于混沌粒子群优化的OCSVM 传感器异常检测模型 | 第37-38页 |
| ·实验及结果分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于支持向量机的垃圾短信判别 | 第41-48页 |
| ·垃圾短信判别意义 | 第41页 |
| ·垃圾短信判别研究概况 | 第41-42页 |
| ·基于 SVC 的垃圾短信判别 | 第42-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于支持向量机的摩擦系数预测 | 第48-56页 |
| ·摩擦系数预测意义 | 第48-49页 |
| ·摩擦系数预测研究概况 | 第49页 |
| ·基于 SVR 的金属塑性成形摩擦系数预测 | 第49-54页 |
| ·本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录 A 攻读硕士期间发表的论文 | 第62页 |