| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-7页 |
| 第一章 绪论 | 第7-10页 |
| ·研究背景 | 第7页 |
| ·研究现状 | 第7-9页 |
| ·研究意义 | 第9页 |
| ·本文的研究内容及章节安排 | 第9-10页 |
| 第二章 数据挖掘综述 | 第10-15页 |
| ·数据挖掘的任务 | 第10-11页 |
| ·数据挖掘常用方法 | 第11-13页 |
| ·数据挖掘研究的发展方向 | 第13页 |
| ·本章小结 | 第13-15页 |
| 第三章 支持向量机 | 第15-30页 |
| ·机器学习的基本问题 | 第15-17页 |
| ·统计学习理论 | 第17-21页 |
| ·支持向量机 | 第21-28页 |
| ·本章小结 | 第28-30页 |
| 第四章 支持向量机的现有改进训练算法 | 第30-40页 |
| ·分解方法 | 第30-31页 |
| ·修改优化问题法 | 第31-34页 |
| ·几何方法 | 第34-35页 |
| ·多类SVM算法 | 第35页 |
| ·增量学习方法 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 预抽取边界向量的自调整参数Bv-SVM增量方法 | 第40-49页 |
| ·预抽取相对边界向量法 | 第40-42页 |
| ·自调整参数Bv-SVM算法 | 第42-44页 |
| ·基于两凸包边界向量预选取的自调整参数Bv-SVM增量方法 | 第44-45页 |
| ·实验验证与结果分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 结论与展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |