| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题提出的背景 | 第8-9页 |
| ·研究现状 | 第9-13页 |
| ·研究意义 | 第13-15页 |
| 第二章 支持向量机 | 第15-29页 |
| ·机器学习的基本问题 | 第16-20页 |
| ·经验风险最小化 | 第18页 |
| ·复杂性与推广能力 | 第18-19页 |
| ·统计学习理论 | 第19-20页 |
| ·支持向量机的构造 | 第20-25页 |
| ·最优超平面 | 第22-23页 |
| ·广义最优超平面 | 第23-24页 |
| ·核函数 | 第24-25页 |
| ·支持向量机多分类 | 第25-28页 |
| ·一对多SVM 分类(One –against-the rest) | 第25-26页 |
| ·一对一SVM 分类(One –against-one) | 第26-27页 |
| ·有向无环图SVM 分类(Directed Acyclic Graph) | 第27-28页 |
| ·多分类SVM 分类(Multi-class SVM) | 第28页 |
| ·应用 | 第28-29页 |
| 第三章 教学质量评价指标体系构建 | 第29-39页 |
| ·教学质量评价的理论分析 | 第29-34页 |
| ·教学质量评价的含义 | 第29-31页 |
| ·教学质量的评价理论 | 第31-32页 |
| ·教学质量评价的主体 | 第32-33页 |
| ·教学质量评价的作用 | 第33-34页 |
| ·评价指标体系的构建原则 | 第34-36页 |
| ·评价指标体系 | 第36-39页 |
| 第四章 基于支持向量机的教学质量评价 | 第39-44页 |
| ·样本数据的整理 | 第39-40页 |
| ·基于支持向量机的训练 | 第40-42页 |
| ·基于支持向量机的评价 | 第42-44页 |
| 第五章 总结 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第48-49页 |
| 致谢 | 第49页 |
