| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1. 绪论 | 第7-13页 |
| ·选题背景及研究意义 | 第7-8页 |
| ·支持向量机简介 | 第8页 |
| ·图像分割简介 | 第8-9页 |
| ·图像分割的概念 | 第8-9页 |
| ·常见的几种图像分割方法 | 第9页 |
| ·支持向量机研究现状 | 第9-10页 |
| ·本文的主要工作与内容安排 | 第10-11页 |
| ·本章小结 | 第11-13页 |
| 2. SVM 理论 | 第13-29页 |
| ·统计学习理论基础 | 第13-17页 |
| ·学习过程的一致性条件 | 第14-15页 |
| ·VC 维（Vapnik-Chervonenkis Dimension） | 第15页 |
| ·推广性的界 | 第15-16页 |
| ·SRM 准则 | 第16-17页 |
| ·支持向量机 | 第17-23页 |
| ·SVM 的分类方法 | 第17-18页 |
| ·线性可分情况 | 第18-21页 |
| ·线性不可分情况 | 第21-22页 |
| ·非线性情况 | 第22-23页 |
| ·多类别分类支持向量机方法 | 第23-26页 |
| ·多类别分类原理 | 第23-25页 |
| ·常见的几种多类别分类支持向量机方法 | 第25-26页 |
| ·SVM 的基本特点 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 3. 改进的支持向量机 | 第29-39页 |
| ·“一对一”方法（One-against-one Method） | 第29-31页 |
| ·改进的 SVM 方法 (The Improved SVM) | 第31-38页 |
| ·几种距离计算公式 | 第32-35页 |
| ·训练理论 | 第35-36页 |
| ·测试理论 | 第36-37页 |
| ·内积核函数 | 第37-38页 |
| ·本章总结 | 第38-39页 |
| 4. 改进方法在图像分割中的应用 | 第39-47页 |
| ·图像分割 | 第39页 |
| ·实验数据 | 第39-40页 |
| ·实验结果及分析 | 第40-44页 |
| ·实验结论 | 第44-45页 |
| ·本章总结 | 第45-47页 |
| 5. 总结与展望 | 第47-49页 |
| ·总结 | 第47页 |
| ·展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 在读期间所发论文 | 第53页 |
