基于结合算法的v-支持向量机

摘要	第1-4页
Abstract	第4-7页
第一章 绪论	第7-11页
·机器学习的发展现状	第7页
·国内外关于机器学习的研究	第7-8页
·机器学习的基本概念	第8页
·统计学习理论简介	第8页
·支持向量机理论简介	第8-9页
·块算法和分解算法	第9-10页
·本文结构	第10-11页
第二章 基础知识	第11-23页
·统计学习理论基础知识	第11-14页
·问题的表示	第11-12页
·经验风险最小化	第12-13页
·VC维	第13-14页
·复杂性与推广能力	第14页
·支持向量机（SVM）	第14-23页
·广义最优分类面	第14-16页
·核函数	第16-17页
·支持向量机	第17-19页
·ν-支持向量机简介（ν-SVM）	第19-23页
第三章 ν-SVM的结合算法	第23-35页
·标准SVM块算法	第23-25页
·标准SVM分解算法	第25-26页
·标准SVM的结合算法	第26-28页
·ν-SVM块算法	第28-30页
·ν-SVM分解算法	第30-32页
·ν-SVM的结合算法	第32-35页
第四章 实验分析及其实验结论	第35-48页
·实验1	第35-38页
·实验2	第38-41页
·实验3	第41-44页
·实验结果分析	第44-47页
·实验结论	第47-48页
第五章 本文的主要工作总结及未来展望	第48-50页
附录	第50-54页
参考文献	第54-57页
致谢	第57页