| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-13页 |
| 1.2.1 最小二乘支持向量机研究进展 | 第10-11页 |
| 1.2.2 支持张量机研究进展 | 第11-12页 |
| 1.2.3 在线学习算法研究进展 | 第12-13页 |
| 1.3 本文的研究内容及组织 | 第13-14页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 本文组织 | 第13-14页 |
| 第二章 相关理论和基础知识 | 第14-33页 |
| 2.1 支持向量机相关基础知识 | 第14-20页 |
| 2.1.1 非线性支持向量机模型(NSVM) | 第16-18页 |
| 2.1.2 最小二乘支持向量机模型(LS-SVM) | 第18-20页 |
| 2.2 支持张量机相关基础知识 | 第20-28页 |
| 2.2.1 符号和张量基本概念 | 第20-22页 |
| 2.2.2 支持张量机模型(STM) | 第22-24页 |
| 2.2.3 张量秩-1 分解 | 第24-25页 |
| 2.2.4 线性支持高阶张量机模型(SHTM) | 第25-28页 |
| 2.3 核递归最小二乘算法(KRLS) | 第28-32页 |
| 2.3.1 样本字典集 | 第28-29页 |
| 2.3.2 核递归最小二乘算法 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 在线最小二乘支持张量机模型 | 第33-46页 |
| 3.1 基于主成分分析的最小二乘支持向量机(PCALS-SVM) | 第33-35页 |
| 3.2 基于张量分解的最小二乘支持张量机(TFLS-STM) | 第35-37页 |
| 3.3 在线最小二乘支持张量机(OLS-STM) | 第37-43页 |
| 3.3.1 稀疏学习过程 | 第37-39页 |
| 3.3.2 在线学习过程 | 第39-43页 |
| 3.4 复杂度分析 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 实验结果与分析 | 第46-53页 |
| 4.1 实验数据集与参数设置 | 第46-49页 |
| 4.2 实验结果分析 | 第49-52页 |
| 4.3 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附件 | 第60页 |
