| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·机器学习的发展历史与现状 | 第9页 |
| ·支持向量机的概括 | 第9-11页 |
| ·本文的主要工作 | 第11-13页 |
| 第2章 支持向量机及其基础知识 | 第13-25页 |
| ·统计学习理论 | 第13-17页 |
| ·支持向量机算法模型 | 第17-25页 |
| 第3章 各种变型支持向量机算法介绍 | 第25-36页 |
| ·C-SVM算法及其变型算法系列 | 第25-28页 |
| ·v-SVM算法及其变型算法系列 | 第28-31页 |
| ·One-class算法及其变型算法系列 | 第31-33页 |
| ·RSVM算法 | 第33-34页 |
| ·LS-SVM算法 | 第34-36页 |
| 第4章 加权支持向量机算法 | 第36-46页 |
| ·加权C-SVM算法及其变型算法系列 | 第36-39页 |
| ·加权v-SVM算法及其变型算法系列 | 第39-41页 |
| ·加权One-class SVM算法及其变型算法系列 | 第41-43页 |
| ·加权RSVM算法 | 第43-44页 |
| ·加权LS-SVM算法 | 第44-46页 |
| 第5章 一种针对超球面One-class分类方法的改进算法 | 第46-51页 |
| 第6章 仿真实验 | 第51-56页 |
| ·数据介绍 | 第51页 |
| ·实验设计 | 第51-54页 |
| ·实验结果分析 | 第54-55页 |
| ·实验结果总结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 (本文例证部分程序代码) | 第61-68页 |
| 致谢 | 第68页 |