| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 前言 | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·机器学习理论概述 | 第11-13页 |
| ·经典统计估计方法 | 第11-12页 |
| ·经验非线性方法 | 第12页 |
| ·统计学习理论 | 第12-13页 |
| ·本文主要工作及组织结构 | 第13-15页 |
| 第二章 机器学习理论 | 第15-29页 |
| ·控制学习过程的推广能力 | 第15-18页 |
| ·VC维 | 第15页 |
| ·结构风险最小化理论 | 第15-18页 |
| ·最优超平面 | 第18-22页 |
| ·△-间隔分类超平面 | 第19-20页 |
| ·构造最优超平面 | 第20-22页 |
| ·支持向量机 | 第22-24页 |
| ·内积回旋 | 第23页 |
| ·构造支持向量机 | 第23-24页 |
| ·SVM常用的经典实现算法 | 第24-29页 |
| ·块算法 | 第25页 |
| ·Osuna分解算法 | 第25-27页 |
| ·SVM~(light)算法 | 第27页 |
| ·SMO算法 | 第27-29页 |
| 第三章 最优化理论概述 | 第29-33页 |
| ·梯度法 | 第29-30页 |
| ·罚函数法 | 第30-31页 |
| ·复形调优法 | 第31-33页 |
| 第四章 最小VC维分类器模型的建立 | 第33-37页 |
| ·最小VC维分类器的理论基础 | 第33页 |
| ·在特征空间中确定半径和权向量 | 第33-34页 |
| ·最小VC维分类器的建立 | 第34-35页 |
| ·最小VC维分类器的试验结果 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 最小VC维分类器的实现及改进 | 第37-46页 |
| ·求解最小VC维分类器的基本算法 | 第37-40页 |
| ·试验一 求解最小 VC维分类器基本算法的性能验证 | 第40-42页 |
| ·求解最小VC维分类器的改进算法 | 第42-43页 |
| ·试验二 改进的求解最小VC维分类器算法的性能验证 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| ·总结 | 第46页 |
| ·进一步工作 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51页 |