Fisher和支持向量综合分类器

摘要	第1-5页
Abstract	第5-8页
1 绪论	第8-10页
·课题的研究背景及其意义	第8-9页
·研究背景	第8页
·研究意义	第8-9页
·本文的组织结构	第9-10页
2 统计学习理论与支持向量机的基本原理	第10-22页
·统计学习理论简介	第10-12页
·VC 维	第10-11页
·推广性的界	第11页
·结构风险最小化原则	第11-12页
·线性支持向量机	第12-18页
·线性可分支持向量机	第13-16页
·线性不可分支持向量机	第16-18页
·核函数	第18-20页
·核函数的基本概念与性质	第18-19页
·常用的一些核函数	第19-20页
·非线性支持向量机	第20-22页
3 Fisher 判别分析	第22-31页
·引言	第22页
·线性判别分析法	第22-23页
·Fisher 线性判别分析法	第23-27页
·Fisher 的基本思想	第23-24页
·一些基本概念	第24-25页
·判别准则	第25-27页
·核的Fisher 判别分析法	第27-31页
4 Fisher 和支持向量综合分类器	第31-37页
·引言	第31页
·线性可分情形	第31-32页
·线性不可分情形	第32-33页
·非线性情形	第33-35页
·实验结果及分析	第35-37页
结论与展望	第37-38页
参考文献	第38-40页
攻读硕士学位期间发表学术论文情况	第40-41页
致谢	第41页