| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究的背景与意义 | 第7-8页 |
| ·相关理论与研究现状 | 第8-12页 |
| ·相关理论 | 第8-11页 |
| ·课题研究现状 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 第二章 支持向量机及其核函数 | 第13-25页 |
| ·支持向量机理论 | 第13-19页 |
| ·线性支持向量机 | 第16-18页 |
| ·非线性的支持向量机 | 第18-19页 |
| ·支持向量机的核函数 | 第19-24页 |
| ·核函数的基本性质 | 第19-21页 |
| ·核函数的分类 | 第21-22页 |
| ·核函数参数的选择 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 AdaBoost算法及其分析 | 第25-31页 |
| ·Boosting方法 | 第25页 |
| ·AdaBoost算法 | 第25-30页 |
| ·AdaBoost算法原理 | 第26-29页 |
| ·AdaBoost算法的优缺点 | 第29-30页 |
| ·AdaBoost在数据挖掘和机器学习中的应用进展 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于SVM与AdaBoost组合的分类算法 | 第31-41页 |
| ·选择核函数及其参数 | 第31-36页 |
| ·Fisher准则 | 第32-34页 |
| ·基于Fisher准则的SVM参数选择算法——FS算法 | 第34-35页 |
| ·泛化性能分析 | 第35-36页 |
| ·基于SVM与AdaBoost组合的分类算法 | 第36-40页 |
| ·AdaBoost与SVM的高效组合及其存在的主要问题 | 第36-37页 |
| ·SVM与AdaBoost的组合算法——IASVM算法 | 第37-39页 |
| ·泛化性能分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 实验结果与分析 | 第41-45页 |
| ·FS算法的实验结果 | 第41-42页 |
| ·IASVM实验结果分析 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第六章 总结与展望 | 第45-47页 |
| ·总结 | 第45页 |
| ·展望 | 第45-47页 |
| 致谢 | 第47-49页 |
| 参考文献 | 第49-55页 |
| 研究成果 | 第55页 |
