| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 多类分类支持向量机研究现状 | 第9-11页 |
| 1.2 双支持向量回归研究现状 | 第11-12页 |
| 1.3 正则化参数解路算法 | 第12-13页 |
| 1.4 研究内容 | 第13-15页 |
| 第二章 多类分类双支持向量机的完全正则化解路算法 | 第15-55页 |
| 2.1 问题描述 | 第15-16页 |
| 2.2 模型转化及数据集划分 | 第16-23页 |
| 2.2.1 第一个子优化模型转化及数据集划分 | 第16-20页 |
| 2.2.2 第二个子优化模型转化及数据集划分 | 第20-23页 |
| 2.3 多类分类双支持向量机的分段线性理论 | 第23-34页 |
| 2.3.1 第一个子优化模型的分段线性理论 | 第23-32页 |
| 2.3.2 第二个子优化模型的分段线性理论 | 第32-34页 |
| 2.4 初始化 | 第34-43页 |
| 2.5 多类分类双支持向量机的解路算法设计 | 第43-49页 |
| 2.5.1 确定第一个子优化模型的第l+1步参数 | 第43-44页 |
| 2.5.2 确定第二个子优化模型的第l+1步参数 | 第44-46页 |
| 2.5.3 多类分类双支持向量机的正则化参数λ和λ解路算法设计 | 第46-49页 |
| 2.6 仿真实验 | 第49-53页 |
| 2.6.1 数据集及参数选取 | 第49页 |
| 2.6.2 仿真实验的结果比较与讨论 | 第49-53页 |
| 2.7 小结 | 第53-55页 |
| 第三章 加权最小二乘双支持向量回归及其在线学习算法 | 第55-67页 |
| 3.1 问题描述 | 第55-56页 |
| 3.2 新型加权最小二乘双支持向量回归 | 第56-63页 |
| 3.2.1 模型及离线学习算法 | 第56-58页 |
| 3.2.2 线性加权最小二乘双支持向量回归的在线算法 | 第58-60页 |
| 3.2.3 非线性加权最小二乘双支持向量回归的在线算法 | 第60-62页 |
| 3.2.4 求解算法 | 第62-63页 |
| 3.3 仿真实验 | 第63-66页 |
| 3.3.1 人造数据集 | 第64-65页 |
| 3.3.2 基准数据集 | 第65-66页 |
| 3.4 小结 | 第66-67页 |
| 第四章 结论与展望 | 第67-69页 |
| 4.1 本文工作总结 | 第67页 |
| 4.2 工作展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 攻读学位期间的科研成果 | 第77-79页 |
