| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 具有多个非平行超平面的支持向量机 | 第9-12页 |
| 1.1.1 双支持向量机 | 第9-10页 |
| 1.1.2 最小二乘双支持向量机 | 第10-12页 |
| 1.2 在线学习算法 | 第12-13页 |
| 1.2.1 基于支持向量机的在线学习思想 | 第12-13页 |
| 1.2.2 常用支持向量机在线学习方法 | 第13页 |
| 1.3 课题来源及研究内容 | 第13-15页 |
| 1.3.1 课题来源 | 第13-14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 第二章 加权最小二乘双边界支持向量机及其在线学习算法 | 第15-37页 |
| 2.1 问题描述 | 第15-16页 |
| 2.2 双重加权机制 | 第16-18页 |
| 2.3 加权最小二乘双边界支持向量机 | 第18-20页 |
| 2.4 在线学习算法 | 第20-30页 |
| 2.4.1 线性加权最小二乘双边界支持向量机的在线学习算法 | 第20-23页 |
| 2.4.2 非线性加权最小二乘双边界支持向量机的在线学习算法 | 第23-27页 |
| 2.4.3 剪切机制 | 第27-30页 |
| 2.5 仿真实验 | 第30-35页 |
| 2.5.1 线性情况下的仿真实验 | 第31-33页 |
| 2.5.2 非线性情况下的仿真实验 | 第33-35页 |
| 2.6 小结 | 第35-37页 |
| 第三章 加权最小二乘双支持向量回归及其在线学习算法 | 第37-51页 |
| 3.1 问题描述 | 第37-38页 |
| 3.2 回归问题的加权机制 | 第38-39页 |
| 3.3 加权最小二乘双支持向量回归 | 第39-41页 |
| 3.4 在线学习算法 | 第41-46页 |
| 3.4.1 线性加权最小二乘双支持向量回归的在线学习算法 | 第41-43页 |
| 3.4.2 非线性加权最小二乘双支持向量回归的在线学习算法 | 第43-46页 |
| 3.5 仿真实验 | 第46-48页 |
| 3.5.1 线性情况下的仿真实验 | 第46-48页 |
| 3.5.2 非线性情况下的仿真实验 | 第48页 |
| 3.6 小结 | 第48-51页 |
| 第四章 结论与展望 | 第51-53页 |
| 4.1 本文工作总结 | 第51页 |
| 4.2 工作展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间完成和发表的论文 | 第57-59页 |
| 致谢 | 第59-61页 |
