| [中文摘要] | 第1页 |
| [中文关键词] | 第3-4页 |
| [英文摘要] | 第4-5页 |
| [英文关键词] | 第5-77页 |
| [参考文献] | 第77-6页 |
| 第一章序论 | 第6-14页 |
| ·问题的提出 | 第6-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·存在的问题 | 第11-12页 |
| ·本文的主要工作及意义 | 第12-14页 |
| 第二章 有关统计学习与支持向量机的基本概念与理论 | 第14-34页 |
| ·学习问题的一般描述 | 第14-16页 |
| ·经验风险最小化归纳原则 | 第16-17页 |
| ·统计学习理论 | 第17-19页 |
| ·结构风险最小化归纳原则 | 第19-21页 |
| ·支持向量机的基本原理 | 第21-25页 |
| ·支持向量机学习算法的步骤 | 第25-26页 |
| ·基于支持向量机的函数拟合 | 第26-27页 |
| ·基于模式识别问题的支持向量机组合 | 第27-34页 |
| 第三章 目前国内外支持向量机的研究现状及其改进的训练算法 | 第34-44页 |
| ·支持向量机及其应用的研究现状 | 第34-36页 |
| ·改进的训练算法 | 第36-40页 |
| ·提高测试速度 | 第40-41页 |
| ·核函数的构造、改进以及相应参数的调整 | 第41页 |
| ·利用SVM解决多分类的问题 | 第41-43页 |
| ·小结 | 第43-44页 |
| 第四章 边坡工程可靠性的支持向量机估计 | 第44-50页 |
| ·引言 | 第44页 |
| ·构造边坡工程可靠性的支持向量机模型 | 第44-49页 |
| ·小结 | 第49-50页 |
| 第五章 基于遗传算法的进化支持向量机(GA-ESVM)及其应用 | 第50-65页 |
| ·引言 | 第50页 |
| ·遗传算法的基本原理 | 第50-51页 |
| ·遗传算法一般求解过程 | 第51-54页 |
| ·遗传算法的特点 | 第54-56页 |
| ·基于遗传算法的进化支持向量机(GA-ESVM) | 第56-62页 |
| ·ESVM的性能分析 | 第62-65页 |
| 第六章 基于进化支持向量机(ESVM)的位移反演方法 | 第65-75页 |
| ·概述 | 第65-67页 |
| ·ESVM的位移反演的基本思路 | 第67-69页 |
| ·建立位移反分析的目标函数 | 第69页 |
| ·ESVM反分析的主要步骤 | 第69-70页 |
| ·算例:位移反分析 | 第70-74页 |
| ·小结 | 第74-75页 |
| 第七章 结论与展望 | 第75-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间发表的主要论文 | 第84页 |
