| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·支持向量机（SVM） | 第9-14页 |
| ·线性SVM | 第9-12页 |
| ·非线性SVM | 第12-14页 |
| ·最小二乘支持向量机（LS-SVM） | 第14-16页 |
| ·LS-SVM | 第14-15页 |
| ·LS-SVM缺点 | 第15-16页 |
| ·课题的创新点 | 第16页 |
| ·章节预览 | 第16-18页 |
| 第2章 稀疏LS-SVM算法 | 第18-23页 |
| ·修剪方法（pruning methods） | 第18页 |
| ·低秩近似方法 | 第18-21页 |
| ·Nystrom方法 | 第18-19页 |
| ·固定大小LS-SVM（FSLS-SVM） | 第19-21页 |
| ·小结 | 第21-23页 |
| 第3章 采样方案 | 第23-31页 |
| ·最佳采样方案 | 第23-25页 |
| ·依密度矢量量化方案（DQS） | 第25-30页 |
| ·小结 | 第30-31页 |
| 第4章 依密度量化的最小二乘支持向量机(DQLS-SVM) | 第31-42页 |
| ·DQLS-SVM | 第31页 |
| ·泛化性能 | 第31-40页 |
| ·合成数据测试 | 第32-35页 |
| ·UCI数据集测试 | 第35页 |
| ·大规模数据测试 | 第35-40页 |
| ·模型参数的选取 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第5章 非线性信道的均衡 | 第42-47页 |
| ·方法 | 第42-44页 |
| ·正则化网络（RN） | 第42-43页 |
| ·LS-SVM与RN | 第43-44页 |
| ·核最小均方算法（KLMS） | 第44页 |
| ·DQLS-SVM非线性信道均衡应用 | 第44-45页 |
| ·小结 | 第45-47页 |
| 总结 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 攻读学位期间发表论文与研究成果清单 | 第54-55页 |
| 致谢 | 第55页 |