| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 文献综述与课题选择 | 第8-22页 |
| 第一节 神经网络及其研究方向 | 第8-9页 |
| 第二节 RBF神经网络及其主要学习算法 | 第9-12页 |
| 1．2．1 RBF神经网络发展简述 | 第9页 |
| 1．2．2 RBF神经网络结构介绍 | 第9-10页 |
| 1．2．3 RBF神经网络的主要中心学习算法 | 第10-12页 |
| 第三节 支持向量机 | 第12-20页 |
| 1．3．1 理论基础：统计学习理论 | 第12-16页 |
| 1．3．2 核心思想 | 第16-17页 |
| 1．3．3 SVM算法发展综述 | 第17-19页 |
| 1．3．4 与传统方法对比研究 | 第19-20页 |
| 第四节 课题选择 | 第20-22页 |
| 第二章 基于SV的RBF网络训练算法 | 第22-35页 |
| 第一节 分类问题和处理方法比较 | 第22-28页 |
| 2．1．1 线性分类问题 | 第22-26页 |
| 2．1．2 线性SVM算法与感知器的分类超平面比较 | 第26页 |
| 2．1．3 非线性SVM与RBF网络的比较 | 第26-28页 |
| 第二节 中心概念 | 第28-33页 |
| 第三节 RBF网络设计 | 第33-34页 |
| 2．3．1 中心训练算法 | 第33-34页 |
| 2．3．2 权值训练算法 | 第34页 |
| 第四节 小结 | 第34-35页 |
| 第三章 实验研究 | 第35-41页 |
| 第一节 对二维数据的实验 | 第35-38页 |
| 3．1．1 four-class数据实验 | 第35-37页 |
| 3．1．2 clouds数据实验 | 第37-38页 |
| 第二节 对高维数据的实验 | 第38-41页 |
| 3．2．1 heart数据实验 | 第38-39页 |
| 3．2．2 diabetes数据实验 | 第39-41页 |
| 第四章 总结与展望 | 第41-42页 |
| 参考文献 | 第42-47页 |
| 致谢 | 第47页 |