| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 1 引言 | 第6-12页 |
| ·模式识别 | 第6-8页 |
| ·模式识别的概念 | 第6页 |
| ·模式识别的研究方法 | 第6-8页 |
| ·模式识别的发展和应用 | 第8页 |
| ·支持向量机 | 第8-10页 |
| ·支持向量机的理论背景 | 第9-10页 |
| ·SVM算法目前的研究现状 | 第10页 |
| ·本文研究内容 | 第10-12页 |
| 2 背景知识 | 第12-19页 |
| ·支持向量机 | 第12-15页 |
| ·其他分类器 | 第15-17页 |
| ·双支持向量机 | 第15-16页 |
| ·投影双支持向量机 | 第16页 |
| ·双参数间隔支持向量机 | 第16-17页 |
| ·对偶坐标下降算法 | 第17-19页 |
| 3 clipDCD算法和加速clipDCD算法 | 第19-24页 |
| ·clipDCD算法 | 第19-20页 |
| ·加速clipDCD算法 | 第20-21页 |
| ·问题实现 | 第21-24页 |
| ·终止条件 | 第21页 |
| ·收敛性 | 第21-22页 |
| ·计算复杂度 | 第22页 |
| ·在线设置 | 第22-24页 |
| 4 数值实验 | 第24-41页 |
| ·实验模拟 | 第24-25页 |
| ·实验分析 | 第25-41页 |
| 5 结论 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 致谢 | 第45-47页 |
| 附件 | 第47页 |