| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-18页 |
| ·课题背景及研究的目的和意义 | 第7页 |
| ·学习问题的表述 | 第7-9页 |
| ·学习过程的一致性及收敛速度的界 | 第9-10页 |
| ·SRM原则 | 第10-12页 |
| ·支持向量机 | 第12-14页 |
| ·核函数 | 第14-15页 |
| ·核函数的选取 | 第14-15页 |
| ·Mercer核 | 第15页 |
| ·国内外在该方向的研究现状及分析 | 第15-16页 |
| ·本文的主要工作及结构 | 第16-18页 |
| 第2章 回归估计 | 第18-24页 |
| ·回归分析 | 第18-19页 |
| ·回归问题的数学表述 | 第19页 |
| ·不敏感损失函数 | 第19-20页 |
| ·ε-支持向量回归机 | 第20-22页 |
| ·v-支持向量回归机 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 噪声模型的支持向量回归机 | 第24-34页 |
| ·噪声模型的损失函数 | 第24-25页 |
| ·噪声模型的支持向量回归机的原问题 | 第25-27页 |
| ·对偶问题与原问题的关系 | 第27-31页 |
| ·噪声模型的支持向量回归机 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 噪声模型的模糊支持向量回归机 | 第34-42页 |
| ·模糊理论预备定义 | 第34-35页 |
| ·噪声模型的模糊支持向量回归机模型（FN-SVM） | 第35-41页 |
| ·标准的模糊支持向量回归机（F-SVM） | 第35-37页 |
| ·噪声模型的模糊支持向量回归机（FN-SVM） | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 基于遗传算法支持向量机参数选优与数值实验 | 第42-47页 |
| ·遗传算法的基本思想 | 第42-43页 |
| ·小生态技术 | 第43-44页 |
| ·GA步骤 | 第44-45页 |
| ·数值试验 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52页 |