| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 稀疏学习 | 第13-16页 |
| 1.2.1 样本稀疏性 | 第13-15页 |
| 1.2.2 特征稀疏性 | 第15-16页 |
| 1.3 大规模SVM | 第16-17页 |
| 1.4 本文的研究内容 | 第17-19页 |
| 1.5 论文的结构安排 | 第19-20页 |
| 2 基础算法 | 第20-34页 |
| 2.1 标准支持向量机(SVM) | 第20-22页 |
| 2.2 最小二乘支持向量机(LSSVM) | 第22-24页 |
| 2.3 基于Ramp损失的支持向量机(RSVM) | 第24-25页 |
| 2.4 双子支持向量机(TWSVM) | 第25-30页 |
| 2.4.1 线性双子支持向量机(LWSVM) | 第27-28页 |
| 2.4.2 非线性双子支持向量机(NLTWSVM) | 第28-30页 |
| 2.5 非平行超平面支持向量机(NPSVM) | 第30-33页 |
| 2.6 小结 | 第33-34页 |
| 3 稀疏的非平行超平面支持向量机(RNPSVM) | 第34-52页 |
| 3.1 线性情况 | 第34-43页 |
| 3.1.1 原始问题 | 第34-37页 |
| 3.1.2 对偶问题 | 第37-43页 |
| 3.2 非线性情况 | 第43-45页 |
| 3.3 算法分析 | 第45-47页 |
| 3.4 数值实验 | 第47-51页 |
| 3.5 小结 | 第51-52页 |
| 4 NPSVM的统计学习理论解释和线性规划的NPSVM | 第52-66页 |
| 4.1 Universum-支持向量机(U-SVM) | 第52-54页 |
| 4.2 U-SVM与NPSVM的关系 | 第54-56页 |
| 4.3 基于线性规划的NPSVM | 第56-60页 |
| 4.3.1 线性规划问题 | 第56-59页 |
| 4.3.2 数值实验 | 第59-60页 |
| 4.4 基于线性规划的RNPSVM | 第60-64页 |
| 4.4.1 线性规划问题 | 第61-64页 |
| 4.4.2 数值实验 | 第64页 |
| 4.5 小结 | 第64-66页 |
| 5 稀疏的最小二乘支持向量机(RLSSVM) | 第66-80页 |
| 5.1 LSTWSVM和LSSVM的关系 | 第66-67页 |
| 5.2 基于ε-不敏感损失函数的最小二乘支持向量机(ε-LSSVM) | 第67-70页 |
| 5.3 基于Ramp损失的最小二乘支持向量机(RLSSVM) | 第70-74页 |
| 5.3.1 原始问题 | 第70-72页 |
| 5.3.2 对偶问题 | 第72-74页 |
| 5.4 算法分析 | 第74-76页 |
| 5.5 数值实验 | 第76页 |
| 5.6 小结 | 第76-80页 |
| 6 大规模线性NPSVM和RNPSVM算法 | 第80-94页 |
| 6.1 交替方向乘子法(ADMM) | 第80-81页 |
| 6.2 大规模线性NPSVM | 第81-83页 |
| 6.3 大规模线性RNPSVM | 第83-88页 |
| 6.4 数值实验 | 第88-93页 |
| 6.4.1 小规模数据 | 第89-91页 |
| 6.4.2 大规模数据 | 第91-93页 |
| 6.5 小结 | 第93-94页 |
| 7 总结与展望 | 第94-96页 |
| 参考文献 | 第96-104页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第104-108页 |
| 学位论文数据集 | 第108页 |
