| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-13页 |
| ·课题的研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·无监督学习研究 | 第8页 |
| ·监督学习研究 | 第8页 |
| ·半监督学习研究 | 第8-9页 |
| ·支持向量机研究与进展 | 第9-10页 |
| ·论文研究的目的、意义和主要工作 | 第10-13页 |
| ·研究的目的和意义 | 第10-11页 |
| ·本文的主要工作 | 第11-13页 |
| 第2章 支持向量机及其理论基础 | 第13-23页 |
| ·最优化理论基础 | 第13-15页 |
| ·KKT条件 | 第13-14页 |
| ·Wolfe对偶 | 第14-15页 |
| ·统计学习理论的基本思想 | 第15-16页 |
| ·经验风险 | 第15页 |
| ·VC维 | 第15页 |
| ·结构风险最小化 | 第15-16页 |
| ·支持向量分类机 | 第16-19页 |
| ·最优分类超平面 | 第16-17页 |
| ·线性支持向量机 | 第17页 |
| ·非线性支持向量分类机 | 第17-18页 |
| ·支持向量 | 第18页 |
| ·核函数 | 第18-19页 |
| ·支持向量回归机 | 第19-21页 |
| ·损失函数 | 第19-20页 |
| ·支持向量回归机 | 第20-21页 |
| ·小结 | 第21-23页 |
| 第3章 新的光滑支持向量分类机 | 第23-41页 |
| ·引言 | 第23页 |
| ·光滑支持向量及其发展 | 第23-25页 |
| ·光滑支持向量的原理 | 第23-24页 |
| ·光滑支持向量机发展现状 | 第24-25页 |
| ·基于贝塞尔曲线的光滑支持向量 | 第25-34页 |
| ·光滑Bezier支持向量机及其性质 | 第25-30页 |
| ·BSSVM的Newton-Armijo算法 | 第30-31页 |
| ·非线性光滑BSSVM | 第31页 |
| ·数值实验 | 第31-34页 |
| ·基于旋转双曲线的光滑支持向量 | 第34-40页 |
| ·基于旋转双曲线的光滑支持向量RHSSVM及其性质 | 第34-37页 |
| ·非线性光滑RHSSVM | 第37-38页 |
| ·数值实验 | 第38-40页 |
| ·小结 | 第40-41页 |
| 第4章 新的光滑支持向量回归机 | 第41-57页 |
| ·引言 | 第41页 |
| ·光滑支持向量回归机及其发展 | 第41-43页 |
| ·光滑支持向量回归机的发展现状 | 第41页 |
| ·光滑支持向量回归机的原理 | 第41-43页 |
| ·基于贝塞尔函数的光滑支持向量回归机 | 第43-49页 |
| ·光滑贝塞尔函数的支持向量回归机ε-BSSVR及其性质 | 第43-46页 |
| ·非线性ε-BSSVR | 第46页 |
| ·ε-BSSVR的Newton-Armijo算法 | 第46-47页 |
| ·数值实验 | 第47-49页 |
| ·基于旋转双曲线的光滑支持向量 | 第49-55页 |
| ·基于旋转双曲线的光滑支持向量ε-RHSSVR及其性质 | 第49-52页 |
| ·非线性光滑ε-RHSSVR | 第52-53页 |
| ·ε-RHSSVR数值实验 | 第53-55页 |
| ·小结 | 第55-57页 |
| 第5章 基于光滑技术的半监督支持向量分类机 | 第57-69页 |
| ·引言 | 第57页 |
| ·半监督支持向量机算法概述及其发展 | 第57-64页 |
| ·基于组合的半监督支持向量机 | 第59-60页 |
| ·基于连续法的半监督支持向量机 | 第60-62页 |
| ·▽TSVM算法介绍 | 第62-63页 |
| ·半监督支持向量机发展 | 第63-64页 |
| ·基于贝塞尔函数的光滑半监督支持向量机 | 第64-68页 |
| ·光滑贝塞尔半监督支持向量机 | 第64-66页 |
| ·求解算法 | 第66-67页 |
| ·数值实验 | 第67-68页 |
| ·小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
