支持向量机及其在信号处理中的应用
| 前言 | 第1-11页 |
| 第1章 统计学习理论基础 | 第11-16页 |
| ·机器学习模型 | 第11页 |
| ·期望风险和经验风险 | 第11-15页 |
| ·VC 维理论 | 第13-14页 |
| ·结构风险最小化原则 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第2章 支持向量机的基本理论 | 第16-27页 |
| ·支持向量机的基本思想 | 第16-18页 |
| ·主要的支持向量机算法 | 第18-20页 |
| ·C-SVM 算法及其变形 | 第18-19页 |
| ·υ-SVM 算法及其变形 | 第19页 |
| ·One-Class SVM 算法 | 第19页 |
| ·RSVM 算法 | 第19页 |
| ·WSVM 算法 | 第19-20页 |
| ·LS-SVM 算法 | 第20页 |
| ·求解支持向量机中的二次规划问题 | 第20-26页 |
| ·内点算法 | 第20-23页 |
| ·求解大型问题的算法 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 支持向量分类机及其应用 | 第27-36页 |
| ·支持向量分类机的基本理论 | 第27-31页 |
| ·C-支持向量分类机 | 第28-29页 |
| ·υ-支持向量分类机 | 第29-30页 |
| ·多分类支持向量分类机 | 第30-31页 |
| ·支持向量分类机的应用 | 第31-35页 |
| ·支持向量分类机在录井数据分析中的应用 | 第31-33页 |
| ·支持向量分类机在抽油机故障诊断中的应用 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 支持向量回归机及其应用 | 第36-50页 |
| ·非线性系统建模与回归问题 | 第36-37页 |
| ·非线性系统建模 | 第36页 |
| ·回归问题的数学提法 | 第36-37页 |
| ·ε-支持向量回归机 | 第37-39页 |
| ·不敏感损失函数 | 第37-38页 |
| ·ε-SVR | 第38-39页 |
| ·υ-支持向量回归机 | 第39-41页 |
| ·支持向量回归机在非线性系统建模中的应用 | 第41-49页 |
| ·SVR 的在线辨识过程 | 第41页 |
| ·支持向量回归机在油田产量预测中的应用 | 第41-43页 |
| ·支持向量回归机在试井压力恢复曲线建模中的应用 | 第43-45页 |
| ·支持向量回归机在自适应滤波器中的应用 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士期间发表的论文 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 中文详细摘要 | 第56-61页 |
