基于支持向量机的概率密度估计

摘要	第1-3页
Abstract	第3-6页
第一章 绪论	第6-9页
·支持向量机的发展简史	第6-7页
·支持向量机的应用	第7-8页
·本文主要内容	第8-9页
第二章 支持向量机的基本理论	第9-18页
·学习问题的表示	第9-12页
·学习问题	第9-10页
·经验风险最小化原则	第10-12页
·统计学习理论	第12-18页
·VC 维	第13-14页
·学习过程的一致性	第14-15页
·结构风险最小化	第15-18页
第三章 基于支持向量机的分类问题和回归问题	第18-28页
·支持向量分类	第18-23页
·线性可分情况	第18-21页
·近似线性可分情况	第21页
·线性不可分情况	第21-23页
·支持向量回归问题	第23-28页
·线性支持向量回归	第23-25页
·非线性支持向量回归	第25-26页
·仿真实验	第26-28页
第四章 基于支持向量机的概率密度估计问题	第28-45页
·求解不适定问题	第28-32页
·不适定问题	第28-29页
·解决不适定问题的三种方法	第29-30页
·随机不适定问题	第30-32页
·密度函数的支持向量机估计法	第32-38页
·概率密度估计问题的描述	第32页
·基于支持向量机的概率密度估计	第32-36页
·仿真实验	第36-38页
·基于加权支持向量机的概率密度估计	第38-43页
·加权支持向量机	第38-40页
·基于加权支持向量机的概率密度估计	第40-42页
·仿真实验	第42-43页
·基于支持向量机的二维概率密度估计	第43-45页
结束语	第45-46页
参考文献	第46-51页
在读期间科研成果简介	第51-53页
致谢	第53页