| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目次 | 第7-8页 |
| 1 引言 | 第8-12页 |
| ·回归和分类学习 | 第8-10页 |
| ·学习问题 | 第10-11页 |
| ·假设空间与误差 | 第11-12页 |
| 2 再生核Hilbert空间 | 第12-17页 |
| ·Mercer核 | 第12-13页 |
| ·Mercer定理 | 第13-14页 |
| ·一些特殊的Mercer核 | 第14-15页 |
| ·高斯核 | 第14页 |
| ·多项式核 | 第14页 |
| ·球面上的核 | 第14-15页 |
| ·球面上的高斯核 | 第15页 |
| ·球面上的Sobolev核 | 第15页 |
| ·再生核Hilbert空间及其正交基 | 第15-17页 |
| 3 正则化回归学习算法 | 第17-23页 |
| ·回归问题研究的硬ε-带超平面法 | 第17-21页 |
| ·线性回归问题 | 第17页 |
| ·线性硬ε-带支持向量回归机 | 第17-21页 |
| ·一般损失下的正则回归模型 | 第21页 |
| ·学习算法收敛性及其近期研究 | 第21-23页 |
| 4 系数正则化回归模型 | 第23-26页 |
| 5 样本依赖型回归模型的学习速度 | 第26-39页 |
| ·一些引理 | 第29-35页 |
| ·定理的证明 | 第35-39页 |
| 6 总结 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 个人简历 | 第44页 |