| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 参数选择的研究背景 | 第9-10页 |
| 1.2 参数选择的国内外研究现状 | 第10-12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 第2章 支持向量机的理论基础 | 第13-24页 |
| 2.1 支持向量分类算法 | 第13-19页 |
| 2.1.1 最优超平面 | 第13-15页 |
| 2.1.2 线性支持向量机 | 第15-17页 |
| 2.1.3 非线性支持向量机 | 第17-19页 |
| 2.2 核函数 | 第19-23页 |
| 2.2.1 核函数的定义 | 第19-21页 |
| 2.2.2 核函数的构造 | 第21-22页 |
| 2.2.3 常用的核函数 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 已有的参数选择方法 | 第24-31页 |
| 3.1 参数分析 | 第24-25页 |
| 3.1.1 核参数对支持向量机性能的影响 | 第24-25页 |
| 3.1.2 正则化参数对支持向量机性能的影响 | 第25页 |
| 3.2 现有的参数选择方法 | 第25-30页 |
| 3.2.1 cross-validation验证选择法 | 第26页 |
| 3.2.2 基于遗传算法的参数选择 | 第26-28页 |
| 3.2.3 基于粒子群算法的参数选择 | 第28-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 基于距离度量的最小二乘支持向量机参数选择方法 | 第31-41页 |
| 4.1 最小二乘支持向量机 | 第31-33页 |
| 4.2 基于距离度量的最小二乘支持向量机参数选择 | 第33-40页 |
| 4.2.1 方法介绍 | 第33-36页 |
| 4.2.2 数值实验 | 第36-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 结论与展望 | 第41-42页 |
| 5.1 工作总结 | 第41页 |
| 5.2 后续工作展望 | 第41-42页 |
| 参考文献 | 第42-47页 |
| 致谢 | 第47-48页 |
| 攻读硕士学位期间发表论文情况 | 第48页 |