| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外的研究进展及现状 | 第11-13页 |
| ·非线性 SVM 训练算法的研究进展及现状 | 第11-12页 |
| ·线性 SVM 训练算法的研究进展及现状 | 第12-13页 |
| ·本文的研究内容 | 第13页 |
| ·论文的内容结构 | 第13-15页 |
| 第二章 支持向量机概述 | 第15-29页 |
| ·统计学习理论 | 第15-17页 |
| ·支持向量机(SVM) | 第17-23页 |
| ·线性可分 SVM 分类 | 第17-20页 |
| ·线性不可分 SVM 分类问题(链式损失) | 第20-21页 |
| ·线性不可分 SVM 分类问题(二次损失) | 第21-22页 |
| ·核函数 | 第22-23页 |
| ·SVM 训练算法 | 第23-28页 |
| ·分解算法(Decomposition Method) | 第24-25页 |
| ·割平面算法 | 第25-26页 |
| ·近似最小闭包球算法 | 第26-28页 |
| ·关于精确算法和近似算法 | 第28页 |
| ·小结 | 第28-29页 |
| 第三章 权向量部分更新的线性 SVM 求解器 | 第29-41页 |
| ·问题描述 | 第29-31页 |
| ·权向量部分更新的线性 SVM 训练算法 | 第31-35页 |
| ·计算点到球心的距离 | 第33-34页 |
| ·部分更新权向量以及乘子 | 第34-35页 |
| ·收敛性 | 第35页 |
| ·时空复杂度 | 第35页 |
| ·扩展 | 第35-36页 |
| ·实验 | 第36-40页 |
| ·算法1 的整体性能 | 第37-39页 |
| ·超参数的变化对算法的影响(稳定性) | 第39-40页 |
| ·小结 | 第40-41页 |
| 第四章 并行SVM 训练 | 第41-52页 |
| ·问题描述 | 第41-43页 |
| ·数据的划分和子问题的求解 | 第43-44页 |
| ·合并 | 第44-47页 |
| ·近似权向量 | 第47-48页 |
| ·修正合并结果 | 第48-49页 |
| ·实验 | 第49-51页 |
| ·测试准确率 | 第50页 |
| ·训练时间 | 第50-51页 |
| ·总结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·论文的主要工作 | 第52页 |
| ·下一步的工作 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 在学期间的研究成果及发表的学术论文 | 第59页 |