| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪言 | 第10-14页 |
| ·课题意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究内容和组织结构 | 第13-14页 |
| ·研究内容 | 第13页 |
| ·组织结构 | 第13-14页 |
| 2 增量式支持向量机理论基础 | 第14-24页 |
| ·机器学习理论 | 第14-15页 |
| ·机器学习问题的表示 | 第14-15页 |
| ·经验风险最小化 | 第15页 |
| ·统计学习理论 | 第15-18页 |
| ·理论背景 | 第15-16页 |
| ·一致性条件 | 第16页 |
| ·函数集 VC 维 | 第16-17页 |
| ·结构风险最小化原则 | 第17-18页 |
| ·支持向量机基本原理 | 第18-22页 |
| ·线性情况 | 第18-21页 |
| ·非线性情况 | 第21页 |
| ·增量式支持向量机 | 第21-22页 |
| ·核函数 | 第22-23页 |
| ·核函数原理 | 第22页 |
| ·常用的核函数 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于内部矩的增量式支持向量机 | 第24-32页 |
| ·KKT 条件 | 第24页 |
| ·内部距 | 第24-26页 |
| ·基于内部矩的增量式支持向量机 | 第26-29页 |
| ·实验及其结果分析 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 4 引入云计算的增量式支持向量机 | 第32-54页 |
| ·云计算现状 | 第32-42页 |
| ·云计算概念 | 第32-34页 |
| ·国际云计算发展现状 | 第34-35页 |
| ·国内云计算发展现状 | 第35页 |
| ·主流云计算平台 | 第35-40页 |
| ·Hadoop 开源实现 | 第40-42页 |
| ·云计算平台的选择和部署 | 第42-46页 |
| ·硬件环境 | 第43页 |
| ·软件环境 | 第43页 |
| ·实践环境部署具体步骤 | 第43-46页 |
| ·算法的研究 | 第46-48页 |
| ·基于内部矩的单支持向量机的 S-SVMCC | 第46-47页 |
| ·基于内部矩的多支持向量机的 M-SVMCC | 第47-48页 |
| ·实验准备 | 第48-49页 |
| ·仿真准备 | 第48-49页 |
| ·实验数据的选取 | 第49页 |
| ·实验过程及结果分析 | 第49-52页 |
| ·S-SVMCC 方案及其结果分析 | 第49-50页 |
| ·S-SVMCC 改进方案及其结果分析 | 第50-51页 |
| ·M-SVMCC 方案及其结果分析 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 5 引入云计算的增量式支持向量机在 Graves 病检测中的应用 | 第54-60页 |
| ·病理特征 | 第54-55页 |
| ·实验仿真结果及分析 | 第55-56页 |
| ·方案设计及其可行性分析 | 第56-59页 |
| ·使用 S-SVMCC 的医疗诊断方案设计 | 第56-58页 |
| ·优势 | 第58-59页 |
| ·可行性分析 | 第59页 |
| ·本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| ·研究工作总结 | 第60页 |
| ·后续工作及展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第66页 |