| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7页 |
| ·研究现状 | 第7-9页 |
| ·多分类 Logistic 回归模型的研究现状 | 第7-8页 |
| ·多分类 SVM 的研究现状 | 第8-9页 |
| ·研究目的和内容 | 第9-10页 |
| ·论文的组织结构 | 第10-11页 |
| 2 多分类 Logistic 回归模型 | 第11-16页 |
| ·模型介绍 | 第11页 |
| ·模型形式 | 第11-12页 |
| ·二分 Logistic 回归模型 | 第11页 |
| ·多分类 Logistic 模型 | 第11-12页 |
| ·回归系数及模型拟合的检验 | 第12-15页 |
| ·显著性检验 | 第13-14页 |
| ·模型拟合检验 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 3 多分类 SVM 理论 | 第16-23页 |
| ·机器学习理论 | 第16-17页 |
| ·结构风险最小化 | 第17页 |
| ·多分类 SVM 算法 | 第17-22页 |
| ·一对多算法 | 第19页 |
| ·一对一算法 | 第19页 |
| ·有向无环图 SVM 算法 | 第19-20页 |
| ·纠错输出编码 SVM 算法 | 第20-21页 |
| ·二叉树 SVM 算法 | 第21-22页 |
| ·确定多分类目标函数方法 | 第22页 |
| ·本章小结 | 第22-23页 |
| 4 集成 Logistic 回归和 SVM 的多分类算法 | 第23-27页 |
| ·多分类 Logistic 回归和多分类 SVM | 第23-24页 |
| ·多分类 Logistic 回归模型 | 第23页 |
| ·多分类支持向量机 | 第23-24页 |
| ·集成判别分析规则 | 第24-26页 |
| ·实证分析 | 第26页 |
| ·本章小结 | 第26-27页 |
| 5 结论与展望 | 第27-28页 |
| 致谢 | 第28-29页 |
| 参考文献 | 第29-32页 |
| 附录 | 第32页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第32页 |