| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-22页 |
| ·研究背景 | 第14-15页 |
| ·分类问题的研究现状和研究要点 | 第15-20页 |
| ·问题描述 | 第15-17页 |
| ·分类问题的研究现状 | 第17-18页 |
| ·分类问题的研究要点 | 第18-20页 |
| ·论文的主要内容和结构 | 第20-22页 |
| 第二章 支持向量机理论基础 | 第22-40页 |
| ·机器学习的主要问题 | 第22-25页 |
| ·学习问题的一般表示 | 第23-24页 |
| ·经验风险最小化 | 第24页 |
| ·复杂性与推广能力 | 第24-25页 |
| ·统计学习理论 | 第25-28页 |
| ·VC维 | 第26页 |
| ·推广性的界 | 第26-27页 |
| ·结构风险最小化 | 第27-28页 |
| ·支持向量机基本思想和研究现状 | 第28-39页 |
| ·最优分类超平面 | 第28-30页 |
| ·软间隔分类超平面 | 第30-31页 |
| ·支持向量机 | 第31页 |
| ·多分类支持向量机 | 第31-34页 |
| ·内积核函数 | 第34-35页 |
| ·SVM与SRM的联系 | 第35-36页 |
| ·SVM的优点 | 第36页 |
| ·SVM的相关研究概述 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 高斯径向基核函数几何性质研究 | 第40-56页 |
| ·引论 | 第40-41页 |
| ·特征空间中核函数蕴涵的几何度量 | 第41-45页 |
| ·度量空间理论基础 | 第41-43页 |
| ·黎曼度量 | 第43-44页 |
| ·距离度量 | 第44-45页 |
| ·角度度量 | 第45页 |
| ·高斯径向基核函数的几何性质研究 | 第45-54页 |
| ·高斯径向基核函数几何度量 | 第46-49页 |
| ·高斯径向基核参数对其性能的影响 | 第49-54页 |
| ·映射、核函数与度量 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 基于黎曼度量的类不平衡与代价敏感分类问题研究 | 第56-67页 |
| ·引论 | 第56-57页 |
| ·目前解决类不平衡和代价敏感问题的方法 | 第57-59页 |
| ·一种基于黎曼度量的类不平衡分类方法 | 第59-66页 |
| ·利用黎曼度量扩大分类间隔 | 第59-60页 |
| ·基于半径间隔界的保角变换 | 第60-63页 |
| ·实验与分析 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 基于支持向量机的多分类问题研究 | 第67-84页 |
| ·引论 | 第67-68页 |
| ·不同特征空间的分解多分类方法 | 第68-75页 |
| ·高斯核不同特征空间度量可比性分析 | 第68-72页 |
| ·基于相对间隔的不同特征空间分解多分类方法 | 第72-73页 |
| ·实验与分析 | 第73-75页 |
| ·基于决策间隔的多分类模糊输出支持向量机 | 第75-83页 |
| ·多数投票法与不可分区域 | 第75-77页 |
| ·模糊支持向量机 | 第77-78页 |
| ·基于决策间隔的多分类模糊输出支持向量机 | 第78-82页 |
| ·实验与分析 | 第82-83页 |
| ·本章小结 | 第83-84页 |
| 第六章 有序分类 | 第84-93页 |
| ·引论 | 第84页 |
| ·有序分类与无序分类问题复杂度比较 | 第84-87页 |
| ·问题的表示 | 第84-85页 |
| ·复杂度比较 | 第85-87页 |
| ·基于支持向量机的内嵌空间法 | 第87-91页 |
| ·现有有序分类算法 | 第87-88页 |
| ·内嵌空间法（Embedded Space Approach） | 第88-89页 |
| ·改进的内嵌空间法 | 第89-91页 |
| ·有序分类方法在企业信用风险评估中的应用 | 第91-92页 |
| ·本章小结 | 第92-93页 |
| 第七章 总结与展望 | 第93-95页 |
| 参考文献 | 第95-105页 |
| 致谢 | 第105页 |