| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 支持张量机的研究现状 | 第11-12页 |
| 1.2.2 在线学习的研究现状 | 第12-13页 |
| 1.3 本文研究的主要内容 | 第13-14页 |
| 1.4 本文的结构安排 | 第14-15页 |
| 第二章 相关理论和方法 | 第15-37页 |
| 2.1 支持向量机 | 第15-28页 |
| 2.1.1 线性可分支持向量机 | 第15-18页 |
| 2.1.2 非线性可分支持向量机 | 第18-21页 |
| 2.1.3 SMO算法 | 第21页 |
| 2.1.4 快速在线核分类器（Online LASVM） | 第21-26页 |
| 2.1.5 对偶间隔（Duality Gap） | 第26-28页 |
| 2.2 支持张量机理论 | 第28-36页 |
| 2.2.1 张量的定义与相关概念 | 第28-32页 |
| 2.2.2 支持张量机 | 第32-36页 |
| 2.3 本章小结 | 第36-37页 |
| 第三章 快速在线支持张量机分类算法 | 第37-50页 |
| 3.1 快速在线支持张量机分类算法 | 第37-45页 |
| 3.1.1 张量核分类器和模型参数 | 第37-43页 |
| 3.1.2 具体算法流程 | 第43-45页 |
| 3.2 基于对偶间隔的快速在线支持张量机分类算法 | 第45-48页 |
| 3.3 复杂度分析 | 第48-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 实验结果与分析 | 第50-60页 |
| 4.1 实验数据集 | 第50-51页 |
| 4.2 比较的算法和实验运行环境 | 第51-54页 |
| 4.3 实验结果比较及分析 | 第54-56页 |
| 4.4 参数灵敏度分析 | 第56-58页 |
| 4.5 本章小结 | 第58-60页 |
| 总结与展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |