| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪 论 | 第10-16页 |
| ·问题的研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文的研究方法和内容 | 第14-15页 |
| ·本文的结构 | 第15-16页 |
| 第2章 统计学习理论与支持向量机 | 第16-27页 |
| ·机器学习问题 | 第16-19页 |
| ·机器学习问题的表示 | 第16-17页 |
| ·经验风险最小化的一般做法 | 第17-18页 |
| ·复杂性与推广能力的矛盾 | 第18-19页 |
| ·统计学习理论 | 第19-24页 |
| ·VC 维的定义 | 第20-22页 |
| ·推广性的界 | 第22-23页 |
| ·结构风险最小化的有效做法 | 第23-24页 |
| ·支持向量机 | 第24-27页 |
| 第3章 两类分类问题的双联支持向量机 | 第27-37页 |
| ·双联支持向量机 | 第27-32页 |
| ·线性双联支持向量机( TWSVM) | 第28-29页 |
| ·非线性双联支持向量机( KTWSVM ) | 第29-31页 |
| ·交叉型数据实验结果及分析 | 第31-32页 |
| ·双联支持向量机的拓展 | 第32-37页 |
| ·最小二乘双联支持向量机 | 第32-34页 |
| ·基于非平行平面的分类器(Nonparallel plane proximal classifier) | 第34-37页 |
| 第4章 回归分类问题的双联支持向量回归机 | 第37-45页 |
| ·双联支持向量回归机 | 第37-42页 |
| ·线性双联支持向量回归机(TSVR ) | 第38-40页 |
| ·非线性双联支持向量回归机( KTSVR ) | 第40-42页 |
| ·双联支持向量回归机的改进 | 第42-45页 |
| 第5章 结论与展望 | 第45-47页 |
| ·本文结论 | 第45页 |
| ·展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 作者简历 | 第51页 |