| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·选题背景及意义 | 第11-12页 |
| ·支持向量机的研究现状 | 第12-14页 |
| ·本文的主要工作 | 第14-16页 |
| ·论文组织结构 | 第14-15页 |
| ·论文研究内容 | 第15-16页 |
| 第2章 统计学习理论和支持向量机 | 第16-27页 |
| ·机器学习的基本问题 | 第16-18页 |
| ·机器学习问题概述 | 第16-17页 |
| ·学习问题的表述 | 第17-18页 |
| ·统计学习理论概述 | 第18-21页 |
| ·VC 维 | 第19-20页 |
| ·推广性的界理论 | 第20页 |
| ·结构风险最小化原则 | 第20-21页 |
| ·支持向量机概述 | 第21-27页 |
| ·支持向量机的基本思想 | 第21-22页 |
| ·核函数 | 第22-23页 |
| ·支持向量机算法介绍 | 第23-26页 |
| ·支持向量机的应用 | 第26-27页 |
| 第3章 用于分类的支持向量机 | 第27-34页 |
| ·最优超平面及广义最优分类面 | 第27-30页 |
| ·线性支持向量机 | 第30-31页 |
| ·非线性支持向量机 | 第31-32页 |
| ·多值分类支持向量机 | 第32-34页 |
| 第4章 基于凸壳理论的支持向量分类机 | 第34-48页 |
| ·概述 | 第34页 |
| ·凸壳理论的研究现状 | 第34-36页 |
| ·凸壳算法的研究现状 | 第34-35页 |
| ·凸壳应用的研究现状 | 第35-36页 |
| ·凸壳理论相关定义与定理 | 第36-39页 |
| ·凸壳算法实现 | 第39-40页 |
| ·仿真与实验研究 | 第40-48页 |
| ·基于凸壳理论的支持向量机的学习性能分析 | 第41-45页 |
| ·基于凸壳理论的支持向量机的推广性能分析 | 第45-48页 |
| 第5章 基于凸壳理论的支持向量分类机在汽轮发电机组故障诊断中的应用 | 第48-54页 |
| ·引言 | 第48-49页 |
| ·基于支持向量机故障诊断的基本步骤 | 第49-50页 |
| ·基于凸壳理论的多类支持向量机在汽轮发电机组故障诊断中的应用 | 第50-54页 |
| ·数据来源 | 第50页 |
| ·基于PCA 的振动信号特征提取 | 第50-51页 |
| ·仿真实验 | 第51-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-63页 |
| 攻读硕士学位期间研究成果及发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |