| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 前言 | 第8-14页 |
| ·支持向量机产生的背景及其发展现状 | 第8-11页 |
| ·支持向量机产生和发展状况 | 第8-9页 |
| ·基于神经网络的支持向量机的研究现状 | 第9-10页 |
| ·支持向量机的硬件实现国内外研究现状 | 第10-11页 |
| ·本论文的研究内容 | 第11-12页 |
| ·本文框架 | 第12-14页 |
| 2 统计学习理论与支持向量机 | 第14-34页 |
| ·机器学习的基本问题 | 第14-15页 |
| ·问题的表示 | 第14-15页 |
| ·经验风险最小化 | 第15页 |
| ·统计学习理论的核心内容 | 第15-17页 |
| ·VC维 | 第15-16页 |
| ·推广性的界 | 第16页 |
| ·结构风险最小化 | 第16-17页 |
| ·支持向量机 | 第17-21页 |
| ·线性可分支持向量分类机 | 第17-19页 |
| ·线性不可分支持向量分类机 | 第19-20页 |
| ·支持向量分类机 | 第20-21页 |
| ·最小二乘支持向量分类机 | 第21-23页 |
| ·动态神经网络支持向量分类机 | 第23-29页 |
| ·神经网络支持向量分类机的动态方程 | 第23-25页 |
| ·神经网络支持向量分类机的实现 | 第25-26页 |
| ·神经网络支持向量分类机的稳定性分析 | 第26-27页 |
| ·仿真实验 | 第27-29页 |
| ·动态神经网络最小二乘支持向量分类机 | 第29-34页 |
| ·神经网络最小二乘支持向量分类机的动态方程及实现 | 第29-30页 |
| ·神经网络最小二乘支持向量分类机的稳定性分析 | 第30-32页 |
| ·仿真实验 | 第32-34页 |
| 3 动态神经网络最小二乘支持向量分类机的FPGA硬件实现 | 第34-60页 |
| ·神经网络最小二乘支持向量分类机的硬件实现算 | 第34-37页 |
| ·神经网络最小二乘支持向量分类机的硬件实现的串行结构 | 第37-49页 |
| ·总体框图 | 第37-38页 |
| ·模块介绍 | 第38-43页 |
| ·仿真实验 | 第43-49页 |
| ·神经网络最小二乘支持向量分类机的硬件实现的并行结构 | 第49-58页 |
| ·总体框图 | 第50页 |
| ·模块介绍 | 第50-53页 |
| ·仿真实验 | 第53-58页 |
| ·实验结果分析 | 第58-60页 |
| 4 总结与展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-67页 |
