| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-10页 |
| ·支持向量机的研究现状 | 第10-11页 |
| ·支持向量机处理大规模数据问题的研究现状 | 第11-13页 |
| ·本文研究内容 | 第13页 |
| ·本文组织 | 第13-14页 |
| 第2章 基础知识 | 第14-23页 |
| ·支持向量机(SVM) | 第14-16页 |
| ·概率神经网络(PNN) | 第16-20页 |
| ·极端学习机（ELM） | 第20-23页 |
| 第3章 基于边界样本选择的支持向量机 | 第23-37页 |
| ·基于 PNN 和 K-L 散度的 SVM（PNN-SVM） | 第23-30页 |
| ·基于 PNN 和 K-L 散度的 SVM | 第24-25页 |
| ·实验结果及分析 | 第25-30页 |
| ·基于 ELM 和熵的 SVM（ELM-SVM） | 第30-35页 |
| ·基于 PNN 和 K-L 散度的 SVM | 第30-32页 |
| ·实验结果及分析 | 第32-35页 |
| ·本章小结 | 第35-37页 |
| 第4章 总结与展望 | 第37-38页 |
| ·总结 | 第37页 |
| ·展望 | 第37-38页 |
| 参考文献 | 第38-44页 |
| 致谢 | 第44-45页 |
| 攻读学位期间取得的科研成果 | 第45页 |