| 摘要 | 第1-6页 |
| Abstracts | 第6-11页 |
| 1 绪论 | 第11-20页 |
| ·引言 | 第11页 |
| ·预测学习方法 | 第11-12页 |
| ·统计学习理论 | 第12-19页 |
| ·本文的组织结构 | 第19-20页 |
| 2 支持向量机模型与算法 | 第20-30页 |
| ·支持向量机的标准算法 | 第20-26页 |
| ·支持向量机的两种改进算法模型 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 3 基于数据预处理的支持向量聚类算法 | 第30-42页 |
| ·支持向量聚类思想及其算法 | 第30-35页 |
| ·支持向量聚类算法的数据预处理 | 第35-39页 |
| ·数值实验 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 4 支持向量机增量与减量学习 | 第42-52页 |
| ·支持向量机增量学习算法 | 第42-45页 |
| ·支持向量机减量学习算法 | 第45-47页 |
| ·拉格朗日支持向量机减量学习算法 | 第47-49页 |
| ·数值实验 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| ·本文总结 | 第52-53页 |
| ·工作展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士期间主要成果和奖励 | 第59页 |