| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·基于SVM多分类算法研究现状 | 第9-10页 |
| ·核参数选择算法研究现状 | 第10页 |
| ·特征选择算法研究现状 | 第10页 |
| ·本文的主要工作 | 第10-12页 |
| ·本文的结构安排 | 第12-14页 |
| 第二章 SVM基础理论概述 | 第14-29页 |
| ·支持向量机 | 第14-20页 |
| ·线性无约束问题 | 第14-16页 |
| ·线性约束问题 | 第16-17页 |
| ·核函数 | 第17页 |
| ·支持向量机的决策函数 | 第17-18页 |
| ·SVM目标函数特性 | 第18-20页 |
| ·基于支持向量机的多分类算法 | 第20-23页 |
| ·基于SVM多分类算法概述 | 第20-21页 |
| ·二叉平衡决策树SVM简介 | 第21-23页 |
| ·二叉平衡决策树SVM多分类的核函数及特征分析 | 第23-29页 |
| ·核函数选取算法 | 第23-26页 |
| ·核参数选择算法 | 第26-28页 |
| ·特征选择算法 | 第28-29页 |
| 第三章 二叉平衡决策树SVM多分类算法的建树方案 | 第29-36页 |
| ·BDT SVM缺点分析 | 第29-30页 |
| ·基于层次划分的二叉平衡决策树SVM多分类算法 | 第30-33页 |
| ·类间距离度量 | 第30-31页 |
| ·类间可分性 | 第31页 |
| ·分离因子 | 第31-32页 |
| ·LD_SVM建树方案 | 第32-33页 |
| ·实验结果与分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 二叉平衡决策树SVM多分类的高斯核参数选择算法 | 第36-50页 |
| ·基于高斯核的二分SVM目标函数的基本性质 | 第37-41页 |
| ·一种新的高斯核参数选择算法DC_SA | 第41-43页 |
| ·P值的选取 | 第41-42页 |
| ·DC_SA算法 | 第42-43页 |
| ·基于DC_SA的二叉平衡决策树SVM多分类算法 | 第43-44页 |
| ·实验结果与分析 | 第44-49页 |
| ·DC_SA算法在二分SVM中的有效性验证实验 | 第44-47页 |
| ·DCBDT_SVM有效性分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 二叉平衡决策树SVM多分类的特征权重自适应算法 | 第50-64页 |
| ·问题描述 | 第51-52页 |
| ·RF_SA求解模型 | 第52-55页 |
| ·特征权重自适应算法 | 第55-59页 |
| ·RF_SA算法流程 | 第55-58页 |
| ·基于RF_SA的二叉平衡决策树SVM多分类算法 | 第58-59页 |
| ·实验结果与分析 | 第59-63页 |
| ·特征权重自适应算法在SVM分类器中的有效性验证实验 | 第59-61页 |
| ·基于RF_SA的SVM算法有效性对照实验 | 第61-62页 |
| ·基于RF_SA的二叉平衡决策树SVM多分类有效性分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 RFLD_SVM多分类算法的有效性验证 | 第64-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 个人简历 | 第75-76页 |
| 在学期间的研究成果及发表的学术论文 | 第76页 |
