| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第7-10页 |
| ·引言 | 第7-9页 |
| ·本文内容提要 | 第9-10页 |
| 第二章 预备知识 | 第10-19页 |
| ·支持向量机 | 第10-12页 |
| ·核函数 | 第12-13页 |
| ·基于核函数的支持向量分类机 | 第13-14页 |
| ·数据降维 | 第14-18页 |
| ·交叉验证 | 第18-19页 |
| 第三章 基于支持向量机的决策树多类分类器(SVMDT) | 第19-21页 |
| ·基于最小距离聚类的 SVMDT | 第19-20页 |
| ·基于最大距离聚合的 SVMDT | 第20页 |
| ·基于最大间隔准则聚类的 SVMDT | 第20-21页 |
| 第四章 基于隐藏信息的支持向量机(SVM+) | 第21-27页 |
| ·基于附加信息的 SVM+分类机 | 第22-23页 |
| ·基于组信息的 SVM+分类机 | 第23-25页 |
| ·基于 Multi-Task Learning(MTL)的 SVM+分类机 | 第25-27页 |
| 第五章 一类支持向量机(One-class SVM)及其推广 | 第27-36页 |
| ·基于极大间隔的一类支持向量分类机(MMOC-SVM) | 第27-28页 |
| ·基于超球的一类支持向量分类机(HSOC-SVM) | 第28-31页 |
| ·基于组信息的一类极大间隔支持向量机(MMOC-KSVM+) | 第31-32页 |
| ·基于组信息的一类超球支持向量机(HSOC-KSVM+) | 第32-36页 |
| 第六章 实验与结果分析 | 第36-41页 |
| ·基于决策树的 SVM 在多类分类问题中的应用 | 第36-37页 |
| ·组信息在 SVM 及 OC-SVM 中的应用 | 第37-41页 |
| 参考文献 | 第41-43页 |
| 致谢 | 第43-44页 |
| 攻读硕士学位期间发表的学术论文 | 第44页 |
