一种基于边界调节的支持向量机模型

摘要	第1-4页
ABSTRACT	第4-7页
1 支持向量机概论	第7-36页
·论文涉及的基本概念和定义	第7-9页
·支持向量机的发展历史	第9-15页
·学习问题研究的四个阶段	第12-15页
·支持向量机的理论体系和模型的建立	第15-33页
·统计学习模型的表示	第15-16页
·统计学习中的风险	第16-17页
·统计学习中的一致性	第17-18页
·统计学习中，不适定问题的解决	第18-20页
·统计学习中的一致收敛性	第20-23页
·学习过程收敛速度的界	第23-24页
·学习机器推广性能的界	第24-25页
·生长函数的结构	第25-26页
·构造性的与分布无关的界	第26-27页
·结构风险最小化归纳原则（SRM）	第27-28页
·最优分类超平面	第28-29页
·构造最优超平面	第29-32页
·支持向量机模型	第32-33页
·支持向量机的发展现状简述	第33-35页
·在支持向量机算法方面的研究现状	第33-34页
·在支持向量机模型方面的研究现状	第34页
·在支持向量机应用方面的研究现状	第34-35页
·小结	第35-36页
2 一种基于边界调节的支持向量机	第36-43页
·引言	第36页
·支持向量机的一般性原理	第36-37页
·基于边界调节的支持向量机	第37-38页
·实验与分析	第38-42页
·小结	第42-43页
3 结论	第43-45页
致谢	第45-46页
参考文献	第46-49页
附录	第49页