| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题背景及意义 | 第11-12页 |
| ·支持向量机的研究现状 | 第12-14页 |
| ·支持向量机理论研究 | 第12-13页 |
| ·支持向量机算法研究 | 第13-14页 |
| ·存在的问题 | 第14-15页 |
| ·课题来源及主要研究内容 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第2章 统计学习理论与支持向量机介绍 | 第17-28页 |
| ·机器学习问题的表示 | 第17-18页 |
| ·统计学习理论 | 第18-22页 |
| ·学习过程的一致性理论 | 第18-19页 |
| ·学习机器推广能力理论 | 第19-21页 |
| ·结构风险最小化原则 | 第21-22页 |
| ·支持向量机分类 | 第22-26页 |
| ·最优分类超平面 | 第22-23页 |
| ·线性可分情况及线性不可分情况 | 第23-24页 |
| ·非线性情况及核函数 | 第24-26页 |
| ·支持向量 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第3章 支持向量机多类分类算法研究 | 第28-35页 |
| ·SVM 多类分类算法 | 第28-32页 |
| ·一对多 | 第28-29页 |
| ·一对一 | 第29-30页 |
| ·纠错编码 | 第30页 |
| ·有向无环图 | 第30-31页 |
| ·决策二叉树 | 第31-32页 |
| ·算法优缺点分析 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 FBT 的改进球结构SVM 多分类算法研究 | 第35-47页 |
| ·改进的球结构SVM 算法分析 | 第35-39页 |
| ·球结构SVM 算法 | 第35-37页 |
| ·改进的球结构SVM 算法 | 第37-39页 |
| ·FBT 的改进球结构SVM 多分类算法 | 第39-43页 |
| ·算法基本思想 | 第39页 |
| ·算法具体实现 | 第39-42页 |
| ·算法效率分析 | 第42-43页 |
| ·具有一般问题的实例分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 改进的球结构SVM 多分类增量算法研究 | 第47-55页 |
| ·增量学习 | 第47-48页 |
| ·增量学习过程分析 | 第48-50页 |
| ·KKT 条件 | 第48-49页 |
| ·新增样本对原支持向量集的影响 | 第49-50页 |
| ·改进的球结构SVM 多分类增量算法 | 第50-52页 |
| ·算法基本思想 | 第50页 |
| ·算法图形描述 | 第50-51页 |
| ·算法具体实现 | 第51-52页 |
| ·算法计算复杂度分析 | 第52页 |
| ·实验及结果 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |