基于支持向量机的多类分类方法研究

摘要	第1-5页
Abstract	第5-8页
1 绪论	第8-11页
·研究背景	第8页
·研究现状	第8-10页
·研究内容及组织结构	第10-11页
2 支持向量机简介	第11-27页
·统计学习理论	第11-14页
·经验风险最小化	第11-13页
·结构风险最小化原理	第13-14页
·VC维	第14页
·支持向量机基本原理	第14-22页
·线性可分支持向量机	第15-17页
·线性不可分支持向量机	第17-18页
·非线性可分支持向量机	第18-21页
·支持向量机	第21-22页
·支持向量机多类分类算法	第22-26页
·1-a-r方法	第23-24页
·1-a-1方法	第24-25页
·层次支持向量机(H-SVMs)	第25页
·DAGSVM	第25-26页
·本章小结	第26-27页
3 一种快速的支持向量机多类分类算法	第27-33页
·引言	第27页
·二叉树SVM	第27-30页
·一种新的二叉树SVM多类分类算法	第30页
·实验结果与分析	第30-32页
·本章小结	第32-33页
4 一种新的基于超球支持向量机的增量学习算法	第33-40页
·引言	第33页
·超球支持向量机	第33-35页
·一种新的超球支持向量机增量学习算法	第35-36页
·实验结果与分析	第36-39页
·本章小结	第39-40页
5 总结与展望	第40-42页
·论文总结	第40-41页
·工作展望	第41-42页
参考文献	第42-45页
致谢	第45-46页