| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 引言 | 第7-8页 |
| 1.2 国内外本课题研究现状 | 第8-9页 |
| 1.3 本文主要研究内容以及章节安排 | 第9-10页 |
| 第二章 统计学习理论和支持向量机 | 第10-23页 |
| 2.1 统计学习理论基础 | 第10-13页 |
| 2.1.1 经验风险最小化原则 | 第10-12页 |
| 2.1.2 VC 维与结构风险最小化原则 | 第12-13页 |
| 2.2 支持向量机 | 第13-21页 |
| 2.2.1 支持向量机基本原理和算法 | 第13-15页 |
| 2.2.2 线性支持向量机的硬间距和软间距 | 第15-19页 |
| 2.2.3 基于核函数的非线性支持向量机 | 第19-21页 |
| 2.3 支持向量反问题 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 最大间隔聚类 | 第23-31页 |
| 3.1 最大间隔聚类基本原理 | 第23-27页 |
| 3.2 最大间隔聚类算法分析 | 第27-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 基于错分的最大间隔聚类求解支持向量机反问题 | 第31-43页 |
| 4.1 基于错分的最大间隔聚类算法设计 | 第31-36页 |
| 4.2 实验与结果分析 | 第36-41页 |
| 4.2.1 实验评价准则 | 第36页 |
| 4.2.2 聚类结果对比分析 | 第36-38页 |
| 4.2.3 聚类效率对比 | 第38-40页 |
| 4.2.4 推广性能分析 | 第40-41页 |
| 4.3 本章小结 | 第41-43页 |
| 第五章 总结展望 | 第43-44页 |
| 5.1 论文总结 | 第43页 |
| 5.2 展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 附录 攻读硕士学位期间发表的论文 | 第48-49页 |
| 详细摘要 | 第49-53页 |