| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-10页 |
| ·机器学习 | 第8页 |
| ·统计学习理论 | 第8-10页 |
| 第二章 支持向量机 | 第10-15页 |
| ·分类问题 | 第10-11页 |
| ·手写体数字识别 | 第10-11页 |
| ·支持向量机 | 第11-15页 |
| ·分类间隔最大化 | 第11-13页 |
| ·正则函数拟合 | 第13-14页 |
| ·多类分类的支持向量机 | 第14-15页 |
| 第三章 输入向量机 | 第15-23页 |
| ·核回归 | 第15-20页 |
| ·分离边界最大的核回归 | 第17-18页 |
| ·Newton-Raphson 方法 | 第18-19页 |
| ·顺序最小优化方法 | 第19-20页 |
| ·输入向量机 | 第20-22页 |
| ·算法 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第四章 1-范数支持向量机 | 第23-28页 |
| ·介绍 | 第23-24页 |
| ·正则化的支持向量机 | 第24-25页 |
| ·算法 | 第25-28页 |
| ·初始情况 | 第25-26页 |
| ·主要算法 | 第26-28页 |
| 第五章 基因的微阵列分类 | 第28-34页 |
| ·综述 | 第28-30页 |
| ·惩罚逻辑回归（PLR ） | 第30-34页 |
| 第六章 总结 | 第34-35页 |
| 参考文献 | 第35-39页 |
| 致谢 | 第39页 |