| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·课题研究背景 | 第8-10页 |
| ·本文的主要工作和内容安排 | 第10-12页 |
| 2 支持向量机的基本理论 | 第12-26页 |
| ·分类问题的提出 | 第12-13页 |
| ·分类问题和分类学习机 | 第13-17页 |
| ·近似线性可分问题的线性分划 | 第17-24页 |
| ·回归问题 | 第24-26页 |
| 3 基于相似压缩的近似线性 SVM | 第26-35页 |
| ·相似压缩凸壳 | 第26-28页 |
| ·近似线性可分问题 | 第28-29页 |
| ·基于相似压缩的近似线性可分SVM | 第29-30页 |
| ·相似压缩系数C 的选取 | 第30-31页 |
| ·相似压缩法的几个优点 | 第31-32页 |
| ·对比与实证分析 | 第32-35页 |
| 4 样本不对称时的支持向量分类机 | 第35-42页 |
| ·样本不对称时平分最近点法的改进 | 第35-36页 |
| ·相似系数的选择及公切线的近似选取 | 第36-38页 |
| ·样本不对称的线性可分SVM | 第38页 |
| ·样本不对称的线性可分SVM 的几个优点 | 第38-39页 |
| ·样本不对称时近似可分情况下的线性SVM | 第39页 |
| ·实证分析 | 第39-42页 |
| 5 BHATTACHARYYA 核SVM 中参数的贝叶斯估计 | 第42-47页 |
| ·关于非向量型核函数 | 第42-43页 |
| ·BHATTACHARYYA 核参数的贝叶斯估计 | 第43-44页 |
| ·重估参数后的BHATTACHARYYA核的 SVM | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 6 结语与工作展望 | 第47-51页 |
| ·结语 | 第47-48页 |
| ·工作展望 | 第48-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 攻读学位期间发表论文目录 | 第56页 |