基于支持向量机的多分类算法研究

摘要	第1-7页
ABSTRACT	第7-10页
引言	第10-12页
第一章 支持向量机理论基础	第12-21页
·统计学习理论简介	第12-15页
·函数集的学习性能与VC维	第12-13页
·推广性的界	第13-14页
·结构风险最小化	第14-15页
·支持向量机理论综述	第15-21页
·线性支持向量机	第16-18页
·非线性支持向量机	第18-19页
·支持向量分类机	第19-21页
第二章 核函数与特征选择	第21-28页
·核函数理论	第21-24页
·核函数理论	第21-22页
·核函数的性质	第22-23页
·一些常用核函数	第23-24页
·特征选择	第24-28页
·传统的特征序列最小化方法	第24-25页
·改进后的特征选择方法和仿真实验	第25-28页
第三章 多类分类算法的研究	第28-39页
·常见多类分类方法简介	第28-30页
·一对一组合分类法	第28页
·一对多组合分类法	第28页
·全局优化分类法	第28-29页
·决策树分类法	第29-30页
·常见多类分类方法性能比较	第30-33页
·算法复杂程度分析	第30-31页
·多类分类问题的错误率	第31-32页
·多类分类方法性能比较的仿真实验	第32-33页
·一对一组合分类法中盲区问题的研究	第33-35页
·一对多组合分类法中样本不均衡问题	第35-39页
·不均衡问题与解决方法	第36-37页
·多类字母图象识别问题	第37-39页
参考书目	第39-42页
论文完成情况	第42-43页
致谢	第43页