摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 引言 | 第10-13页 |
1.1 研究背景和意义 | 第10-11页 |
1.2 支持向量机的研究现状 | 第11-12页 |
1.3 本文的研究内容和研究方法 | 第12页 |
1.4 本文的写作安排 | 第12-13页 |
第二章 统计学习理论和支持向量机的概述 | 第13-26页 |
2.1 统计学习理论核心内容 | 第13-17页 |
2.2 支持向量机的主要方法 | 第17-23页 |
2.3 支持向量机的推广与变形算法 | 第23-26页 |
第三章 支持向量回归机算法 | 第26-36页 |
3.1 最小二乘回归算法(LS)概述 | 第26页 |
3.2 ε-支持向量回归机算法(ε-SVR) | 第26-30页 |
3.3 最小二乘支持向量回归机算法(LS-SVR) | 第30-31页 |
3.4 ε-SVR、LS与LS-SVR的联系与实例验证 | 第31-36页 |
第四章 支持向量回归机在实际问题中的应用 | 第36-49页 |
4.1 线性回归问题 | 第36-43页 |
4.2 非线性回归问题 | 第43-47页 |
4.3 研究结论 | 第47-49页 |
第五章 总结和展望 | 第49-50页 |
参考文献 | 第50-53页 |
附录 | 第53-80页 |