| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景和研究现状 | 第7-9页 |
| ·研究背景 | 第7页 |
| ·国内外研究现状 | 第7-9页 |
| ·研究内容和目的 | 第9页 |
| ·研究内容 | 第9页 |
| ·研究目的 | 第9页 |
| ·组织结构 | 第9-11页 |
| 2 支持向量机理论 | 第11-19页 |
| ·支持向量分类机(SVC) | 第11-16页 |
| ·线性可分支持向量分类机 | 第11-13页 |
| ·线性支持向量分类机 | 第13-14页 |
| ·可分支持向量分类机 | 第14页 |
| ·C 支持向量分类机(C-SVC) | 第14-16页 |
| ·支持向量回归机(SVR) | 第16-18页 |
| ·线性ε- 支持向量回归机 | 第16-17页 |
| ·ε- 支持向量回归机(ε SVR) | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 Fisher 鉴别分析 | 第19-24页 |
| ·线性 Fisher 鉴别分析(FDA) | 第19-21页 |
| ·基本概念 | 第19-20页 |
| ·鉴别准则 | 第20-21页 |
| ·核 Fisher 鉴别分析(KFDA) | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 4 基于 Fisher 鉴别分析的支持向量机训练样本缩减策略 | 第24-29页 |
| ·基于 Fisher 鉴别分析的 SVM 样本缩减算法 | 第24-26页 |
| ·仿真实验及结果分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 5 基于灰色特征加权支持向量回归机的二维函数拟合 | 第29-34页 |
| ·灰色关联度 | 第29-30页 |
| ·基于特征灰色关联度加权的支持向量回归机的模型 | 第30-31页 |
| ·仿真 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 6 结论与展望 | 第34-35页 |
| ·主要结论 | 第34页 |
| ·研究工作展望 | 第34-35页 |
| 致谢 | 第35-36页 |
| 参考文献 | 第36-39页 |
| 附录 | 第39页 |
| 作者在攻读硕士学位期间发表的论文目录 | 第39页 |