| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-27页 |
| ·统计学习理论简介 | 第11-12页 |
| ·学习问题 | 第11-12页 |
| ·统计学习理论的发展历程 | 第12页 |
| ·统计学习理论的基本框架 | 第12-15页 |
| ·经验风险最小化原则 | 第13-14页 |
| ·正则化方法 | 第14-15页 |
| ·基于核的机器学习简介 | 第15-20页 |
| ·正则化最小二乘回归学习算法 | 第16-17页 |
| ·基于核的正则化学习算法的研究现状 | 第17-20页 |
| ·本文的主要工作 | 第20-22页 |
| ·预备知识 | 第22-27页 |
| ·积分算子 | 第22页 |
| ·样本算子与Hilbert Schmidt 算子 | 第22-23页 |
| ·正则化条件 | 第23-24页 |
| ·常用不等式 | 第24-25页 |
| ·弱相关性的相关概念 | 第25-27页 |
| 第二章 基于弱相关抽样的系数正则化学习算法的一致性分析 | 第27-47页 |
| ·引言 | 第27-28页 |
| ·基于弱相关抽样的系数正则化回归学习算法的一致性分析 | 第28-35页 |
| ·基于弱相关抽样的系数正则化回归学习算法 | 第28-29页 |
| ·逼近误差的估计 | 第29-30页 |
| ·样本误差的估计 | 第30-34页 |
| ·收敛速率 | 第34-35页 |
| ·基于non-iid 抽样的系数正则化的一致性分析 | 第35-46页 |
| ·基于non-iid 抽样的系数正则化 | 第35-36页 |
| ·经验积分算子的收敛 | 第36-39页 |
| ·逼近误差的估计 | 第39-42页 |
| ·样本误差的估计 | 第42-44页 |
| ·学习速率 | 第44-45页 |
| ·讨论 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 基于积分算子技巧的容量相关估计 | 第47-54页 |
| ·引言及主要结果 | 第47-48页 |
| ·主要结果的证明 | 第48-52页 |
| ·学习速率 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 最小二乘回归学习的改进一致性分析 | 第54-63页 |
| ·引言 | 第54-55页 |
| ·最小二乘回归学习算法的分析 | 第55-59页 |
| ·系数正则化算法的分析 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 结论与展望 | 第63-70页 |
| ·工作总结 | 第63页 |
| ·本文主要创新点与特点 | 第63-65页 |
| ·工作展望 | 第65-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录 | 第75页 |
