| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·问题的提出及研究意义 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文研究的目的和研究内容 | 第13-16页 |
| 2 特征向量的提取和选择 | 第16-26页 |
| ·引言 | 第16页 |
| ·特征提取 | 第16-18页 |
| ·特征选择 | 第18-24页 |
| ·特征向量的合并 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 几种常用的模式识别技术 | 第26-34页 |
| ·贝叶斯分类器 | 第26-28页 |
| ·决策树分类器 | 第28-30页 |
| ·K-近邻分类器 | 第30-31页 |
| ·人工神经网络 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 4 支持向量机及其分类原理 | 第34-48页 |
| ·支持向量机的起源及发展 | 第34-38页 |
| ·支持向量机的相关应用 | 第38-41页 |
| ·支持向量机的分类原理 | 第41-46页 |
| ·本章小结 | 第46-48页 |
| 5 基于支持向量机的车辆识别研究 | 第48-60页 |
| ·利用车辆轮廓进行车辆识别 | 第48-50页 |
| ·利用声波和地振波进行车辆识别 | 第50-58页 |
| ·本章小结 | 第58-60页 |
| 6 基于支持向量机的地震预测研究 | 第60-66页 |
| ·地震波的提取 | 第60-62页 |
| ·地震预测模型的建立和地震波区域性分析 | 第62-63页 |
| ·利用地震预测模型进行初步地震预测 | 第63-64页 |
| ·结果及讨论 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 7 结论与展望 | 第66-68页 |
| ·主要结论 | 第66页 |
| ·后续研究工作的展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-80页 |
| 附录 | 第80-82页 |
| 附录A 作者在攻读硕士学位期间发表的论文目录 | 第80页 |
| 附录B 作者在攻读硕士学位期间参加的科研项目及获奖情况 | 第80-82页 |
| 独创性声明 | 第82页 |
| 学位论文版权使用授权书 | 第82页 |