| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·论文研究的背景及意义 | 第9-10页 |
| ·支持向量机的研究现状 | 第10-13页 |
| ·论文的主要内容及结构 | 第13-14页 |
| 第2章 统计学习与支持向量机理论 | 第14-27页 |
| ·学习问题的一般表示 | 第14-15页 |
| ·经验风险最小化 | 第15-18页 |
| ·经验风险最小化准则 | 第16-17页 |
| ·一致性条件 | 第17-18页 |
| ·结构风险最小化原则 | 第18-21页 |
| ·VC维 | 第18-19页 |
| ·推广性的界 | 第19-20页 |
| ·结构风险最小化原则 | 第20-21页 |
| ·支持向量机理论 | 第21-26页 |
| ·线性可分情况 | 第22-23页 |
| ·线形不可分情况 | 第23-24页 |
| ·非线性可分情况 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 边界向量预选算法 | 第27-36页 |
| ·边界向量预选方法 | 第27-28页 |
| ·各种边界向量预选算法 | 第28-34页 |
| ·基于类中心型的边界向量预选算法 | 第28-32页 |
| ·基于NN型的边界向量预选算法 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 边界向量预选改进算法 | 第36-48页 |
| ·边界向量预选算法改进思路分析 | 第36页 |
| ·基于类中心型的边界向量预选改进算法 | 第36-39页 |
| ·基于 NN型的支持向量预选改进算法 | 第39-47页 |
| ·密度聚类 | 第39-41页 |
| ·线性可分情况下基于密度聚类的边界向量预选算法 | 第41-44页 |
| ·非线性可分情况下基于密度的边界向量预选算法 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 仿真实验与结果分析 | 第48-56页 |
| ·实验结果与分析 | 第48-55页 |
| ·基于类中心型的边界向量预选改进算法实验与结果分析 | 第48-49页 |
| ·基于 NN型的边界向量预选改进算法实验与结果分析 | 第49-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |