| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第1章 绪论 | 第13-25页 |
| ·背景和动机 | 第13-14页 |
| ·支持向量机训练与简化算法的研究现状与进展 | 第14-21页 |
| ·支持向量机训练算法的研究现状与进展 | 第14-20页 |
| ·支持向量机简化算法的研究现状与进展 | 第20-21页 |
| ·本文的主要研究内容 | 第21-25页 |
| 第2章 统计学习理论与支持向量机 | 第25-43页 |
| ·引言 | 第25页 |
| ·机器学习的基本方法 | 第25-28页 |
| ·学习问题的数学表达 | 第25-26页 |
| ·经验风险最小化原则 | 第26-27页 |
| ·复杂性与推广能力 | 第27-28页 |
| ·统计学习理论 | 第28-33页 |
| ·学习的一致性问题 | 第28-29页 |
| ·VC维与泛化能力 | 第29-30页 |
| ·泛化能力的界 | 第30-31页 |
| ·结构风险最小化原则 | 第31-33页 |
| ·支持向量机 | 第33-42页 |
| ·相关数学基础 | 第33-34页 |
| ·最优分类超平面 | 第34-36页 |
| ·线性可分情况 | 第36-38页 |
| ·非线性可分情况 | 第38-41页 |
| ·支持向量机的特性 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 改进工作集选择策略的序贯最小优化算法 | 第43-63页 |
| ·引言 | 第43页 |
| ·序贯最小优化算法 | 第43-46页 |
| ·改进的序贯最小优化算法 | 第46-53页 |
| ·目标函数下降量 | 第47-48页 |
| ·新的工作集选择策略 | 第48-51页 |
| ·收敛性分析 | 第51-53页 |
| ·实验结果及分析 | 第53-60页 |
| ·实验数据集和参数设置 | 第53-54页 |
| ·指标定义 | 第54页 |
| ·结果及分析 | 第54-60页 |
| ·本章总结 | 第60-63页 |
| 第4章 基于聚类的快速支持向量机训练算法 | 第63-75页 |
| ·引言 | 第63页 |
| ·潜在支持向量 | 第63-64页 |
| ·基于聚类的预处理算法 | 第64-70页 |
| ·快速聚类法 | 第65页 |
| ·构造中间分类超平面 | 第65-67页 |
| ·确定支持向量簇 | 第67-68页 |
| ·确定潜在支持向量 | 第68-69页 |
| ·算法描述 | 第69-70页 |
| ·实验结果及分析 | 第70-73页 |
| ·实验数据集及参数设置 | 第70-71页 |
| ·训练结果比较 | 第71-72页 |
| ·距离阈值的影响 | 第72页 |
| ·加权支持向量机的作用 | 第72-73页 |
| ·本章总结 | 第73-75页 |
| 第5章 基于近似解的支持向量机增量学习算法 | 第75-99页 |
| ·引言 | 第75-76页 |
| ·CORE VECTOR MACHINE #64. | 第76-78页 |
| ·最小超球问题 | 第76-77页 |
| ·训练问题的转化 | 第77-78页 |
| ·APPROXIMATE VECTOR MACHINE | 第78-87页 |
| ·近似最优分类超平面 | 第80-81页 |
| ·寻找核心集元素 | 第81-82页 |
| ·序贯最小优化算法的热启动 | 第82-83页 |
| ·算法描述 | 第83-85页 |
| ·算法复杂度分析 | 第85-86页 |
| ·AVM和CVM算法的分析与比较 | 第86-87页 |
| ·实验结果及分析 | 第87-98页 |
| ·扩展的USPS数据集 | 第87-91页 |
| ·KDDCUP-99入侵检测数据集 | 第91-92页 |
| ·forest数据集 | 第92-94页 |
| ·adult数据集 | 第94-98页 |
| ·本章总结 | 第98-99页 |
| 第6章 基于核聚类的支持向量机简化法 | 第99-119页 |
| ·引言 | 第99-100页 |
| ·支持向量机简化法 | 第100-102页 |
| ·基于核聚类的支持向量机简化法 | 第102-111页 |
| ·核聚类算法 | 第103-104页 |
| ·寻找簇质心的原像 | 第104-107页 |
| ·确定约简向量权值 | 第107页 |
| ·衡量分类超平面的变化 | 第107-108页 |
| ·分类复杂度分析 | 第108页 |
| ·算法描述 | 第108-110页 |
| ·初始化 | 第110-111页 |
| ·小类别问题 | 第111页 |
| ·实验结果及分析 | 第111-116页 |
| ·入侵检测数据集 | 第111-114页 |
| ·USPS数据集 | 第114-116页 |
| ·其它数据集 | 第116页 |
| ·本章总结 | 第116-119页 |
| 第7章 结论和未来工作 | 第119-123页 |
| ·结论 | 第119-121页 |
| ·未来工作 | 第121-123页 |
| 参考文献 | 第123-133页 |
| 攻读博士学位期间主要的研究成果 | 第133-135页 |
| 致谢 | 第135页 |