| 摘 要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·机器学习理论 | 第7-8页 |
| ·基因表达数据 | 第8-9页 |
| ·国内外研究状况 | 第9-12页 |
| ·本文的主要研究内容和研究意义 | 第12-14页 |
| 2 统计学习理论 | 第14-26页 |
| ·机器学习问题 | 第14-17页 |
| ·学习过程一致性的条件 | 第17-18页 |
| ·推广性的界 | 第18-20页 |
| ·VC维 | 第20-23页 |
| ·结构风险最小化 | 第23-25页 |
| ·小结 | 第25-26页 |
| 3 支持向量机理论 | 第26-39页 |
| ·支持向量机的基本理论 | 第26-29页 |
| ·SMO算法 | 第29-34页 |
| ·样本数目不对称情况下的支持向量机 | 第34-37页 |
| ·小结 | 第37-39页 |
| 4 基于支持向量机的分类器的设计与实现 | 第39-46页 |
| ·问题的提出 | 第39-40页 |
| ·分类器模型 | 第40-41页 |
| ·实验数据与来源 | 第41页 |
| ·特征提取和规范化 | 第41-43页 |
| ·实验结果与分析 | 第43-45页 |
| ·小结 | 第45-46页 |
| 5 总结与发展展望 | 第46-49页 |
| ·总结 | 第46-47页 |
| ·展望 | 第47-49页 |
| 致 谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录1 攻读学位期间发表的论文目录 | 第54页 |