| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 序言 | 第7-11页 |
| ·支持向量机的泛化能力研究现状 | 第7-8页 |
| ·课题的目的和意义及论文内容摘要 | 第8-11页 |
| 第二章 支持向量机简介 | 第11-22页 |
| ·理论背景 | 第11-13页 |
| ·VC维简介 | 第11-12页 |
| ·结构风险最小化原理简介 | 第12-13页 |
| ·支持向量机介绍 | 第13-21页 |
| ·支持向量分类(SVC)算法 | 第13-18页 |
| ·支持向量机的核函数 | 第18-20页 |
| ·支持向量机回归(SVR)算法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 支持向量机方法中几种影响泛化能力的因素 | 第22-30页 |
| ·样本的内部因素对泛化能力的影响 | 第22-23页 |
| ·核基函数及参数的选择与样本可分性的关系 | 第23-27页 |
| ·核组合技巧与泛化能力的关系 | 第27-29页 |
| ·合成核方法 | 第27-28页 |
| ·多尺度核方法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 按样本分布特征选择核基函数及核组合的方法 | 第30-48页 |
| ·坐标变换核基函数介绍 | 第30-31页 |
| ·样本分布特征的判断方法 | 第31-38页 |
| ·分布特征判定算法 | 第31-36页 |
| ·分布特征图形判定法 | 第36-37页 |
| ·基于样本分布特征选择核基函数的方法 | 第37-38页 |
| ·高维数据降维方法 | 第38-43页 |
| ·主成分分析法 | 第38-40页 |
| ·局部线性嵌入法 | 第40-41页 |
| ·特征选择 | 第41-43页 |
| ·聚类分析介绍 | 第43-46页 |
| ·基于样本分布特征的核基函数优化组合方法 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 根据核矩阵秩差异度选择核函数的组合 | 第48-51页 |
| ·核矩阵与样本可分性的关系 | 第48页 |
| ·矩阵的秩空间差异度判断方法 | 第48-50页 |
| ·基于核矩阵秩差异度的核组合选择方法 | 第50-51页 |
| 第六章 数据实验 | 第51-59页 |
| ·实验使用工具介绍 | 第51页 |
| ·实验结果 | 第51-58页 |
| ·基于样本分布特征选择核基函数及核基函数优化组合 | 第51-57页 |
| ·基于核矩阵秩差异度选择核函数组合方法 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第七章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 附录 | 第63-65页 |
| 附表A：符号表 | 第63-64页 |
| 附录B-1：加权算术平均值算法求重心MATLAB程序 | 第64页 |
| 附录B-2：求重心方法二MATLAB程序 | 第64页 |
| 附录C：主成分分析法MATLAB程序 | 第64页 |
| 附录D：F-分值特征选择算法MATLAB程序 | 第64页 |
| 附录E：K-均值聚类算法MATLAB程序 | 第64页 |
| 附录F：按零空间维数矩阵秩差异性度量算法MATLAB程序 | 第64-65页 |
| 个人简历 | 第65页 |
| 在校期间发表的学术论文及研究成果 | 第65-66页 |