| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 支持向量机存在的缺陷 | 第11页 |
| 1.4 本文主要研究工作 | 第11-12页 |
| 1.5 本文内容安排 | 第12-13页 |
| 第二章 支持向量机概述 | 第13-20页 |
| 2.1 基于广义特征值的最接近支持向量机--GEPSVM | 第13-14页 |
| 2.2 对支持向量机--TWSVM | 第14-17页 |
| 2.3 孪生有界支持向量机--TBSVM | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于L1范数距离度量的GEPSVM | 第20-38页 |
| 3.1 L1-GEPSVM的理论推导及证明 | 第20-24页 |
| 3.2 L1-GEPSVM分类算法的实验结果与分析 | 第24-36页 |
| 3.2.1 人工数据集 | 第25-26页 |
| 3.2.2 UCI数据集 | 第26-35页 |
| 3.2.3 NDC数据集 | 第35-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第四章 基于L1范数距离度量的TWSVM | 第38-50页 |
| 4.1 L1-TWSVM的模型推导 | 第38-41页 |
| 4.2 L1-TWSVM分类算法的实验结果与分析 | 第41-49页 |
| 4.2.1 人工数据集 | 第41-42页 |
| 4.2.2 UCI数据集 | 第42-47页 |
| 4.2.3 NDC数据集 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 基于L1范数距离度量的最小二乘TBSVM | 第50-65页 |
| 5.1 L1-LSTBSVM的模型推导 | 第50-52页 |
| 5.2 L1-LSTBSVM分类算法的实验结果与分析 | 第52-63页 |
| 5.2.1 人工数据集 | 第53-54页 |
| 5.2.2 UCI数据集 | 第54-63页 |
| 5.3 本章小结 | 第63-65页 |
| 第六章 结束语 | 第65-67页 |
| 6.1 本文完成的主要工作 | 第65-66页 |
| 6.2 未来工作展望 | 第66-67页 |
| 攻读硕士学位期间的研究成果和发表的论文 | 第67-68页 |
| 参考文献 | 第68-73页 |
