基于指数梯度更新的支持向量机算法

摘要	第1-4页
Abstract	第4-6页
第一章 绪论	第6-10页
·选题背景及其研究意义	第6-8页
·研究内容	第8-9页
·论文组织	第9-10页
第二章 支持向量机研究	第10-24页
·支持向量机基本理论	第10-19页
·支持向量分类学习机	第11-16页
·支持向量回归机	第16-19页
·支持向量机的训练算法	第19-21页
·支持向量机的应用研究	第21-22页
·本章小结	第22-24页
第三章 指数梯度更新规则	第24-36页
·在线预测算法	第24-26页
·更新规则的基本理论	第26-31页
·理论分析	第26-27页
·梯度下降更新规则	第27-29页
·指数梯度更新规则	第29-30页
·EG ±更新规则	第30-31页
·最坏损失情况	第31-35页
·基本方法	第31-34页
·更新规则的最坏损失情况对比	第34-35页
·本章小结	第35-36页
第四章 指数梯度更新的应用	第36-46页
·指数梯度更新的应用	第36-38页
·S V - EG 算法的理论分析	第38-41页
·混合约束二次规划的转化	第41-44页
·实验结果与分析	第44-45页
·本章小结	第45-46页
结束语	第46-48页
致谢	第48-50页
参考文献	第50-53页
在读期间研究成果	第53-54页