| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| Extended Abstract | 第9-20页 |
| 1 绪论 | 第20-32页 |
| ·选题的背景和意义 | 第20-22页 |
| ·国内外研究现状 | 第22-29页 |
| ·存在的问题及本文研究的重点 | 第29-30页 |
| ·本文的主要研究内容和组织结构 | 第30-32页 |
| 2 孪生支持向量机及其理论基础 | 第32-51页 |
| ·统计学习理论 | 第32-36页 |
| ·最优化理论 | 第36-39页 |
| ·支持向量机算法模型 | 第39-44页 |
| ·孪生支持向量机算法模型 | 第44-50页 |
| ·小结 | 第50-51页 |
| 3 光滑 CHKS 孪生支持向量机 | 第51-78页 |
| ·引言 | 第51-52页 |
| ·原始空间中的求解算法 | 第52页 |
| ·光滑孪生支持向量机 | 第52-56页 |
| ·加权光滑 CHKS 孪生支持向量分类机 | 第56-66页 |
| ·离散 PSO 模型选择的光滑 CHKS 孪生支持向量回归机 | 第66-76页 |
| ·小结 | 第76-78页 |
| 4 孪生支持向量机的快速近似求解方法 | 第78-99页 |
| ·引言 | 第78页 |
| ·孪生支持向量分类机的自适应调节最大熵函数法 | 第78-88页 |
| ·孪生支持向量回归机的自适应调节最大熵函数法 | 第88-98页 |
| ·小结 | 第98-99页 |
| 5 最小二乘孪生支持向量回归机及其特征选择算法 | 第99-120页 |
| ·引言 | 第99页 |
| ·最小二乘孪生支持向量回归机 | 第99-108页 |
| ·最小二乘孪生支持向量回归机的特征选择算法 | 第108-119页 |
| ·小结 | 第119-120页 |
| 6 最小二乘孪生参数化不敏感支持向量回归机 | 第120-134页 |
| ·引言 | 第120-121页 |
| ·par- v -SVR 和 TPISVR 算法 | 第121-124页 |
| ·最小二乘孪生参数化不敏感支持向量回归机 | 第124-127页 |
| ·基于混沌布谷鸟优化算法的 LSTPISVR 参数选择 | 第127-128页 |
| ·实验与分析 | 第128-133页 |
| ·小结 | 第133-134页 |
| 7 总结与展望 | 第134-137页 |
| ·总结 | 第134-135页 |
| ·展望 | 第135-137页 |
| 参考文献 | 第137-147页 |
| 作者简历 | 第147-150页 |
| 学位论文数据集 | 第150页 |