| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 引言 | 第12-13页 |
| 1 小样本问题 | 第13-15页 |
| ·小样本问题的定义 | 第13页 |
| ·国内外研究状况 | 第13-14页 |
| ·小样本问题的研究意义 | 第14-15页 |
| 2 小样本评价方法 | 第15-26页 |
| ·Bayes方法 | 第15-18页 |
| ·Bayes方法的基本思想 | 第15-16页 |
| ·Bayes方法的基本步骤 | 第16-17页 |
| ·Bayes方法的特点和局限性 | 第17-18页 |
| ·Bootstrap方法和Bayes Bootstrap方法 | 第18-20页 |
| ·Bootstrap方法 | 第18页 |
| ·Bootstrap方法的基本思想 | 第18-19页 |
| ·Bayes Bootstrap方法 | 第19页 |
| ·Bayes Bootstrap方法的基本思想 | 第19页 |
| ·Bootstrap方法与Bayes Bootstrap方法的特点和局限性 | 第19-20页 |
| ·蒙特卡罗(Monte Carlo)仿真方法 | 第20-21页 |
| ·蒙特卡罗仿真方法的基本思想 | 第20-21页 |
| ·蒙特卡罗仿真方法的特点和局限性 | 第21页 |
| ·灰色系统理论方法 | 第21-24页 |
| ·灰色系统理论的主要内容 | 第22-24页 |
| ·小样本的支持向量机方法 | 第24-26页 |
| 3 小样本的支持向量机方法 | 第26-31页 |
| ·统计学习理论 | 第26-28页 |
| ·VC维 | 第26页 |
| ·结构风险最小化原则(SRM：Structural Risk Minimization) | 第26-28页 |
| ·核函数 | 第28页 |
| ·小样本的支持向量机方法的研究发展趋势 | 第28-31页 |
| 4 小样本支持向量机方法的分类模型与改进 | 第31-41页 |
| ·小样本支持向量机方法的分类原理(SVC) | 第31-34页 |
| ·线性支持向量分类机 | 第31-34页 |
| ·非线性支持向量分类机 | 第34页 |
| ·因子分析 | 第34-35页 |
| ·模型实例研究——以煤与瓦斯突出预测为例 | 第35-40页 |
| ·经典的小样本支持向量机模型分类 | 第36-38页 |
| ·因子分析与小样本的支持向量机模型结合分类 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 5 小样本支持向量机方法的回归模型与改进 | 第41-49页 |
| ·小样本支持向量机方法的回归原理(SVR) | 第41-43页 |
| ·线性支持向量回归机 | 第41-42页 |
| ·非线性支持向量回归机 | 第42-43页 |
| ·灰色GM(1,1)预测模型 | 第43-44页 |
| ·模型实例研究——以煤矿安全事故问题为例 | 第44-48页 |
| ·灰色GM(1,1)模型预测 | 第45-46页 |
| ·经典的小样本的支持向量机模型预测 | 第46-47页 |
| ·灰色支持向量机模型预测 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 结论与展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 后记或致谢 | 第55-56页 |
| 作者简介及读研期间主要科研成果 | 第56页 |
