| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 第一章 绪论 | 第6-10页 |
| 1．1 论文的背景 | 第6-8页 |
| 1．2 支持向量机及岩土工程反分析中存在的问题 | 第8-9页 |
| 1．3 本文的研究工作和结构安排 | 第9-10页 |
| 第二章 统计学习理论及支持向量机的基本理论 | 第10-21页 |
| 2．1 机器学习的基本问题 | 第10-12页 |
| 2．2 统计学习理论的核心内容 | 第12-16页 |
| 2．3 支持向量机基本原理 | 第16-21页 |
| 第三章 支持向量机算法的特点、研究内容及其现状 | 第21-31页 |
| 3．1 支持向量机方法的几个显著特点 | 第21页 |
| 3．2 支持向量机理论的主要研究内容 | 第21-22页 |
| 3．3 支持向量机的研究现状 | 第22-30页 |
| 3．4 本章小节 | 第30-31页 |
| 第四章 在有噪声和野值情况下SVM方法的性能研究与改进 | 第31-39页 |
| 4．1 噪声和野值点对SVM方法的影响及其相关工作 | 第31-32页 |
| 4．2 KKT条件及其对样本的分析 | 第32-34页 |
| 4．3 剪辑近邻法的思想 | 第34页 |
| 4．4 对SVM算法的改进 | 第34-36页 |
| 4．5 试验结果和讨论 | 第36-38页 |
| 4．6 本章小节 | 第38-39页 |
| 第五章 岩土力学反分析基本原理及其研究现状 | 第39-45页 |
| 5．1 岩土力学反分析方法的研究现状 | 第39-41页 |
| 5．2 位移反分析原理 | 第41-43页 |
| 5．3 支持向量机在岩土工程中应用的研究 | 第43-45页 |
| 第六章 基于模拟退火算法的支持向量机及其应用 | 第45-55页 |
| 6．1 模拟退火算法 | 第45-47页 |
| 6．2 基于模拟退火算法的支持向量机(SA-SVM)方法 | 第47-49页 |
| 6．3 岩体力学参数反演的模拟退火支持向量机方法 | 第49-51页 |
| 6．4 算例和结果分析 | 第51-55页 |
| 第七章 结论与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
