| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·支持向量机及国内外研究动态 | 第8-10页 |
| ·本文工作任务 | 第10-12页 |
| 第二章 极分解混合核函数的构造 | 第12-22页 |
| ·核矩阵 | 第12页 |
| ·极分解混合核函数 | 第12-15页 |
| ·极分解混合核函数的构造过程 | 第13-14页 |
| ·加权系数的确定 | 第14-15页 |
| ·实验结果与分析 | 第15-20页 |
| ·实验1 | 第15-17页 |
| ·实验2 | 第17页 |
| ·实验3 | 第17-18页 |
| ·实验4 | 第18-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 一种新的支持向量分类算法-ACNNSVM | 第22-27页 |
| ·NNSVM 算法 | 第22页 |
| ·一种新的再修剪的SVM 算法—ACNNSVM | 第22-24页 |
| ·特征空间的点到超平面的距离 | 第22-23页 |
| ·ACNNSVM 算法 | 第23-24页 |
| ·实验结果 | 第24-25页 |
| ·NN-SVM 算法与ACNN-SVM 算法性能比较 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第四章 权向量多平面支持向量机 | 第27-36页 |
| ·基于广义特征值下的多平面支持向量机(GEPSVM) | 第27-28页 |
| ·权向量多平面支持向量机(WMPSVM) | 第28-32页 |
| ·GEPSVM 的缺陷 | 第28页 |
| ·线性 WMPSVM | 第28-30页 |
| ·非线性 WMPSVM | 第30-32页 |
| ·实验结果 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 基于PSVM 的改进算法 | 第36-49页 |
| ·近似支持向量机（PSVM） | 第36-37页 |
| ·非线性PPSVM | 第37-41页 |
| ·PPSVM 算法的形成 | 第37-38页 |
| ·特征空间中的 PPSVM | 第38-41页 |
| ·快速PSVM（FPSVM） | 第41-43页 |
| ·实验与分析 | 第43-47页 |
| ·PPSVM 与PSVM 分类性能比较 | 第43-45页 |
| ·FPSVM 与PSVM 分类性能与学习速度比较 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第六章 结束语 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 在学校研究成果及发表的学术论文 | 第55-56页 |
| 详细摘要 | 第56-59页 |