| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 主要符号对照表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·支持向量分类机的研究现状 | 第11-14页 |
| ·支持向量分类机的算法研究 | 第11-14页 |
| ·支持向量分类机的应用研究 | 第14页 |
| ·论文的研究意义和主要内容 | 第14-16页 |
| ·研究意义 | 第14-15页 |
| ·主要内容 | 第15-16页 |
| 第二章 支持向量分类机及其理论基础 | 第16-40页 |
| ·统计学习理论 | 第16-21页 |
| ·经验风险最小化准则 | 第16-17页 |
| ·学习过程的一致性 | 第17-18页 |
| ·VC维与推广能力的界 | 第18-19页 |
| ·结构风险最小化准则 | 第19-21页 |
| ·最优化理论 | 第21-23页 |
| ·最优性条件(KKT条件) | 第21-22页 |
| ·Wolfe对偶理论 | 第22-23页 |
| ·支持向量分类机 | 第23-36页 |
| ·最优分类超平面 | 第23-25页 |
| ·线性支持向量分类机 | 第25-28页 |
| ·核函数和非线性支持向量分类机 | 第28-32页 |
| ·变形支持向量分类机 | 第32-36页 |
| ·SMO算法 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第三章 基于三变量支持向量分类机的快速训练算法 | 第40-62页 |
| ·引言 | 第40-41页 |
| ·一个重要定理 | 第41-54页 |
| ·求解三变量SVC子问题 | 第54-57页 |
| ·三变量SVC快速学习算法 | 第57-58页 |
| ·数值实验 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第四章 训练支持向量分类机的四重序列解析优化算法 | 第62-76页 |
| ·引言 | 第62-63页 |
| ·求解四变量SVC子问题 | 第63-65页 |
| ·四重序列SVC快速训练算法 | 第65-66页 |
| ·算法收敛性分析 | 第66-72页 |
| ·数值试验 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第五章 基于约简的二阶Mehrotra型预估校正算法训练支持向量分类机 | 第76-84页 |
| ·引言 | 第76-77页 |
| ·预备知识 | 第77-80页 |
| ·算法 | 第80-81页 |
| ·数值试验 | 第81-82页 |
| ·本章小结 | 第82-84页 |
| 第六章 训练支持向量分类机的非精确不可行内点算法 | 第84-100页 |
| ·引言 | 第84-85页 |
| ·非精确不可行内点算法 | 第85-87页 |
| ·算法的收敛性分析 | 第87-90页 |
| ·计算不精确牛顿方向的新方法 | 第90-95页 |
| ·数值实验 | 第95-98页 |
| ·本章小结 | 第98-100页 |
| 第七章 总结与展望 | 第100-102页 |
| ·总结 | 第100页 |
| ·展望 | 第100-102页 |
| 致谢 | 第102-104页 |
| 参考文献 | 第104-114页 |
| 在学期间的研究成果 | 第114-116页 |