SVM在决策树归纳中的应用

摘要	第1-6页
Abstract	第6-9页
第1章 绪论	第9-14页
·课题背景及意义	第9-10页
·研究状况	第10-12页
·决策树	第10-11页
·支持向量机	第11-12页
·本文主要研究内容	第12-14页
第2章 统计学习理论及支持向量机基本问题	第14-30页
·统计学习理论	第14-18页
·学习过程一致性的条件	第14-15页
·VC维	第15-16页
·推广性的界	第16-18页
·支持向量机基本问题	第18-25页
·线性支持向量机	第18-22页
·非线性支持向量机	第22-25页
·支持向量机求解	第25-30页
·常用方法简介	第26-27页
·序贯最小优化算法(SMO)	第27-30页
第3章 支持向量机反问题及其求解	第30-35页
·支持向量机反问题	第30页
·支持向量机反问题求解	第30-35页
·遗传算法求解SVM反问题	第31-33页
·基于聚类的SVM反问题求解算法	第33-35页
第4章 支持向量机在决策树归纳中的应用	第35-42页
·传统的决策树归纳算法	第35-37页
·ID3算法	第35-36页
·二叉决策树算法	第36-37页
·用最大间隔作启发式的决策树归纳算法	第37-42页
·背景	第37页
·理论基础	第37-39页
·算法设计	第39-40页
·算法分析	第40页
·实验	第40-42页
第5章 结束语	第42-43页
·总结	第42页
·展望	第42-43页
参考文献	第43-47页
攻读硕士学位期间撰写的论文	第47-48页
致谢	第48页