| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 选题背景及研究意义 | 第9-11页 |
| 1.2 在线学习的研究进展 | 第11-14页 |
| 1.3 支持张量机的研究进展 | 第14-15页 |
| 1.4 本文的研究内容 | 第15-16页 |
| 1.5 本文的组织 | 第16-18页 |
| 第二章 相关理论与方法 | 第18-28页 |
| 2.1 支持向量机 | 第18-22页 |
| 2.1.1 标准二分类支持向量机 | 第18-20页 |
| 2.1.2 支持向量机的优缺点分析 | 第20页 |
| 2.1.3 多分类支持向量机 | 第20-22页 |
| 2.2 随机梯度下降法 | 第22-23页 |
| 2.3 支持张量机 | 第23-27页 |
| 2.3.1 张量的基本定义与相关概念 | 第23-25页 |
| 2.3.2 支持张量机 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 在线支持张量机算法 | 第28-36页 |
| 3.1 二分类在线支持张量机 | 第28-35页 |
| 3.2 多分类在线支持张量机 | 第35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 实验结果与分析 | 第36-43页 |
| 4.1 实验所用的数据集介绍 | 第36-38页 |
| 4.2 实验所采用的算法及运行环境 | 第38页 |
| 4.3 实验结果分析 | 第38-42页 |
| 4.3.1 最大迭代次数对在线支持张量机算法性能的影响 | 第39-40页 |
| 4.3.2 在线支持张量算法性能对比 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 结论与展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 攻读硕士学位期间取得的研究成果 | 第47-48页 |
| 致谢 | 第48-49页 |
| 附件 | 第49页 |