| 内容提要 | 第1-7页 |
| 第1章 绪论 | 第7-11页 |
| 第2章 统计学习理论基本知识 | 第11-31页 |
| ·统计学习理论的核心内容 | 第11-18页 |
| ·学习过程一致性的条件 | 第13-14页 |
| ·VC 维 | 第14页 |
| ·推广性的界 | 第14-16页 |
| ·结构风险最小化 | 第16-18页 |
| ·支持向量分类机 | 第18-25页 |
| ·线性支持向量分类机 | 第18-21页 |
| ·非线性支持向量分类机 | 第21-25页 |
| ·支持向量回归机 | 第25-30页 |
| ·线性支持向量回归机 | 第25-28页 |
| ·非线性支持向量回归机 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于LS-SVM 的回归与分类的转换 | 第31-51页 |
| ·引言 | 第31-33页 |
| ·基于最小二乘支持向量机的分类与回归算法 | 第33-37页 |
| ·最小二乘支持向量机分类算法 | 第33-35页 |
| ·最小二乘支持向量机回归算法 | 第35-37页 |
| ·基于最小二乘支持向量机分类的回归算法 | 第37-39页 |
| ·基于最小二乘支持向量机回归的分类算法 | 第39-43页 |
| ·两类分类 | 第40-42页 |
| ·多类分类 | 第42-43页 |
| ·数值实验 | 第43-50页 |
| ·基于分类的回归 | 第43-46页 |
| ·基于回归的多类分类 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于LS-SVM 的科技文献关键词提取 | 第51-61页 |
| ·引言 | 第51-53页 |
| ·语义内容管理系统中的关键词提取 | 第53-54页 |
| ·基于最小二乘支持向量机的关键词提取 | 第54-56页 |
| ·构造关键词库和形成样本 | 第55-56页 |
| ·训练学习机 | 第56页 |
| ·模拟实验 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第5章 基于 Renyi 熵的迭代 LS-SVR 算法 | 第61-74页 |
| ·引言 | 第61-62页 |
| ·最小二乘支持向量机回归算法及增量学习算法 | 第62-64页 |
| ·Renyi 熵 | 第64-65页 |
| ·基于 Renyi 熵的迭代 LS-SVR 算法 | 第65-67页 |
| ·数值实验 | 第67-73页 |
| ·本章小结 | 第73-74页 |
| 第6章 基于 LS-SVM 的基因特征子集选择算法 | 第74-92页 |
| ·引言 | 第74-76页 |
| ·基于 LS-SVR 的自适应基因特征子集选择算法 | 第76-83页 |
| ·自适应迭代基因选择算法 | 第76-81页 |
| ·数值实验 | 第81-83页 |
| ·基于留一交叉确认和 LS-SVC 的基因选择算法 | 第83-90页 |
| ·基于留一交叉确认误差的基因选择标准 | 第83-85页 |
| ·基因选择算法 | 第85-88页 |
| ·数值实验 | 第88-90页 |
| ·本章小结 | 第90-92页 |
| 第7章 结论与展望 | 第92-95页 |
| 参考文献 | 第95-103页 |
| 攻读博士学位期间发表的论文及其他成果 | 第103-106页 |
| 中文摘要 | 第106-109页 |
| Abstract | 第109-113页 |
| 致谢 | 第113页 |
