| 摘要 | 第1-9页 |
| ABSTRACT | 第9-13页 |
| 第一章 绪论 | 第13-17页 |
| ·课题研究的目的和意义 | 第13-14页 |
| ·国内外研究现状及发展趋势 | 第14-15页 |
| ·支持向量机研究现状及发展趋势 | 第14-15页 |
| ·卡尔曼滤波与GPS/INS组合导航发展现状及发展趋势 | 第15页 |
| ·论文的主要内容 | 第15-17页 |
| 第二章 统计学理论和支持向量机 | 第17-32页 |
| ·统计学习理论 | 第17-21页 |
| ·学习过程的一致性 | 第17-18页 |
| ·函数集的学习性能和VC维 | 第18-19页 |
| ·推广性的界 | 第19-20页 |
| ·结构风险最小化 | 第20-21页 |
| ·支持向量机基本理论 | 第21-32页 |
| ·线性可分支持向量机 | 第21-24页 |
| ·线性不可分支持向量机 | 第24-25页 |
| ·非线性支持向量机 | 第25-27页 |
| ·KKT条件 | 第27-29页 |
| ·支持向量回归 | 第29-32页 |
| 第三章 卡尔曼滤波与GPS/INS组合导航系统概述 | 第32-38页 |
| ·卡尔曼滤波 | 第32-36页 |
| ·随机线性离散卡尔曼滤波 | 第32-35页 |
| ·扩展卡尔曼滤波 | 第35-36页 |
| ·GPS/INS组合导航系统 | 第36-38页 |
| 第四章 新型重采样支持向量机算法在不平衡数据问题中的应用 | 第38-47页 |
| ·不平衡数据集研究 | 第38-39页 |
| ·基于新型重采样支持向量机算法 | 第39-42页 |
| ·基于差分演化思想的过采样方法 | 第39-40页 |
| ·基于聚类的数据清理方法 | 第40-41页 |
| ·新型重采样支持向量机算法描述 | 第41-42页 |
| ·新型重采样支持向量机算法应用 | 第42-46页 |
| ·对比实验 | 第42-43页 |
| ·评价标准 | 第43-44页 |
| ·标准数据集UCI实验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 支持向量回归自适应卡尔曼滤波在车载GPS/INS组合导航中应用 | 第47-56页 |
| ·卡尔曼滤波优化相关工作 | 第47-48页 |
| ·支持向量回归自适应卡尔曼滤波设计 | 第48-50页 |
| ·支持向量回归自适应卡尔曼滤波应用 | 第50-55页 |
| ·实验环境和数据集 | 第50-51页 |
| ·实验算法参数设置与评价标准 | 第51-52页 |
| ·实验结果与分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结 | 第56-58页 |
| ·完成的工作 | 第56-57页 |
| ·存在的不足 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
