| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8-9页 |
| ·支持向量机方法 | 第9-11页 |
| ·压缩感知理论 | 第11-13页 |
| ·本论文的主要工作 | 第13-16页 |
| 第二章 支持向量机算法 | 第16-22页 |
| ·最优超平面 | 第16-17页 |
| ·支持向量机算法 | 第17-18页 |
| ·大规模分解算法回顾 | 第18-22页 |
| 第三章 支持向量机解的简化方法 | 第22-32页 |
| ·引言 | 第22页 |
| ·Burges 的约减向量集方法 | 第22-24页 |
| ·基于l_1 正则最小二乘规划的方法 | 第24-27页 |
| ·l_1 正则最小二乘规划 | 第24-25页 |
| ·求解l_1 正则最小二乘规划的方法 | 第25-27页 |
| ·实验结果及分析 | 第27-29页 |
| ·本章小结 | 第29-32页 |
| 第四章 基于l_1 正则最小二乘规划简化支持向量的人脸检测 | 第32-42页 |
| ·人脸检测方法 | 第32-34页 |
| ·基于l_1 正则最小二乘规划简化支持向量的人脸检测方法 | 第34-36页 |
| ·实验结果及分析 | 第36-38页 |
| ·本章小结 | 第38-42页 |
| 第五章 基于序列重构法的稀疏信号重构 | 第42-52页 |
| ·引言 | 第42页 |
| ·信号重构问题 | 第42-43页 |
| ·序列重构法 | 第43-46页 |
| ·仿真实验 | 第46-47页 |
| ·实验一 | 第46页 |
| ·实验二 | 第46-47页 |
| ·实验三 | 第47页 |
| ·本章小结 | 第47-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·本文总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 硕士期间科研成果 | 第62-63页 |