| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·决策树 | 第10-11页 |
| ·支持向量机 | 第11-12页 |
| ·支持向量机反问题 | 第12页 |
| ·本文主要研究内容 | 第12-13页 |
| ·本文组织 | 第13-14页 |
| 第2章 支持向量机及其反问题 | 第14-25页 |
| ·支持向量机 | 第14-19页 |
| ·线性可分情形 | 第14-15页 |
| ·近似线性可分情形 | 第15-16页 |
| ·线性不可分情形 | 第16-19页 |
| ·支持向量机求解 | 第19-22页 |
| ·常用求解方法 | 第19-20页 |
| ·序贯最小优化算法(SMO) | 第20-22页 |
| ·支持向量机反问题 | 第22页 |
| ·支持向量机反问题求解 | 第22-25页 |
| ·遗传算法求解SVM反问题 | 第22-23页 |
| ·K-means聚类求解SVM反问题 | 第23-25页 |
| 第3章 基于最大margin的决策树归纳及其并行算法 | 第25-33页 |
| ·基于最大margin的决策树归纳 | 第25-28页 |
| ·背景 | 第25-26页 |
| ·算法设计 | 第26-27页 |
| ·算法分析 | 第27-28页 |
| ·基于最大margin决策树归纳的并行算法 | 第28-33页 |
| ·并行算法设计 | 第28-29页 |
| ·并行算法分析 | 第29-30页 |
| ·并行算法实验结果 | 第30-33页 |
| 第4章 新的支持向量机反问题求解算法 | 第33-40页 |
| ·多类问题的最大间隔 | 第33-34页 |
| ·类间间隔矩阵 | 第34页 |
| ·最远邻聚类得到最优划分 | 第34-36页 |
| ·新算法描述 | 第36页 |
| ·新算法时间复杂度分析 | 第36-37页 |
| ·试验结果与分析 | 第37-39页 |
| ·在基于最大margin决策树中的应用 | 第39-40页 |
| 第5章 总结与展望 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 攻读硕士学位期间科研工作情况 | 第43-44页 |
| 致谢 | 第44页 |