| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 符号与縮写含义清单 | 第7-8页 |
| 第一章 绪论 | 第8-13页 |
| ·选题的背景及意义 | 第8-9页 |
| ·盲均衡技术的发展概述 | 第9-10页 |
| ·支持向量机的研究概况 | 第10-11页 |
| ·性能评价标准 | 第11页 |
| ·全文章节安排 | 第11-13页 |
| 第二章 支持向量机 | 第13-28页 |
| ·支持向量机描述 | 第13页 |
| ·机器学习问题的表述 | 第13-14页 |
| ·经验风险最小化原则 | 第14-15页 |
| ·VC维理论 | 第15-16页 |
| ·机器学习的复杂度及其推广能力 | 第16页 |
| ·结构风险最小化原则 | 第16-18页 |
| ·支持向量机 | 第18-24页 |
| ·支持向量机分类问题 | 第18-21页 |
| ·支持向量机回归问题 | 第21-24页 |
| ·核函数 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于改进的支持向量机的正交小波盲均衡算法 | 第28-42页 |
| ·盲均衡基本原理 | 第28-29页 |
| ·常数模算法 | 第29-30页 |
| ·正交小波盲均衡算法 | 第30-31页 |
| ·基于改进的支持向量机的正交小波盲均衡算法 | 第31-33页 |
| ·算法仿真 | 第33-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于改进的遗传算法的支持向量机正交小波盲均衡算法 | 第42-58页 |
| ·遗传算法 | 第42-48页 |
| ·基本遗传算法 | 第42-43页 |
| ·遗传算法的主要操作 | 第43-47页 |
| ·编码 | 第43-44页 |
| ·初始群体的生成 | 第44页 |
| ·适应度函数的确定 | 第44-45页 |
| ·选择算子 | 第45页 |
| ·交叉算子 | 第45-46页 |
| ·变异算子 | 第46-47页 |
| ·遗传算法的应用 | 第47-48页 |
| ·改进的遗传算法 | 第48-49页 |
| ·编码方法 | 第48页 |
| ·选择算子 | 第48页 |
| ·交叉算子 | 第48页 |
| ·变异算子 | 第48-49页 |
| ·基于改进的遗传算法的支持向量机正交小波盲均衡算法 | 第49-50页 |
| ·算法仿真 | 第50-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 基于U-支持向量机的正交小波盲均衡算法 | 第58-66页 |
| ·基于U-持向量机的正交小波盲均衡算法 | 第58-60页 |
| ·算法仿真 | 第60-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 读研期间所发表的论文 | 第74页 |