几种特征加权支持向量机方法的比较研究

摘要	第1-6页
Abstract	第6-9页
第1章 绪论	第9-12页
·统计学习理论与支持向量机	第9页
·国内外研究现状	第9-11页
·本文的主要研究内容及结构安排	第11-12页
第2章 预备知识	第12-23页
·统计学习理论	第12-17页
·损失函数和期望风险	第12-13页
·经验风险最小化	第13页
·VC维	第13-14页
·学习过程的一致性和关键定理	第14-15页
·结构风险最小化	第15-17页
·经典支持向量机	第17-22页
·线性可分支持向量机	第17-19页
·线性支持向量机	第19-21页
·非线性支持向量机	第21-22页
·小结	第22-23页
第3章 特征加权支持向量机	第23-38页
·特征重要性的度量	第23-28页
·列联表简介	第23-25页
·信息增益法	第25页
·增益比率法	第25页
·对称不确定性法	第25-26页
·χ~2检验法	第26页
·Gini指标法	第26页
·Relief-F算法	第26-28页
·特征加权支持向量机	第28-32页
·线性特征加权支持向量机	第28-31页
·非线性特征加权支持向量机	第31-32页
·间隔与SVM泛化能力之间的关系	第32-37页
·小结	第37-38页
第4章 实验结果及分析	第38-47页
·人工数据集上的实验结果及分析	第38-40页
·真实数据集上的实验结果及分析	第40-46页
·小结	第46-47页
第5章 总结与展望	第47-48页
·本文总结	第47页
·工作展望	第47-48页
参考文献	第48-51页
致谢	第51-52页
攻读学位期间取得的科研成果	第52页