| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 边坡变形预测研究进展 | 第11-14页 |
| 1.2.2 支持向量机研究进展 | 第14-17页 |
| 1.3 本文的研究内容与方法 | 第17-20页 |
| 第二章 统计学习理论与支持向量机 | 第20-28页 |
| 2.1 统计学习理论 | 第20-23页 |
| 2.1.1 函数集的VC维 | 第21页 |
| 2.1.2 结构风险最小化 | 第21-23页 |
| 2.2 支持向量机原理简介 | 第23-28页 |
| 2.2.1 最大间隔法 | 第23-26页 |
| 2.2.2 核函数 | 第26-28页 |
| 第三章 参数优化方法 | 第28-34页 |
| 3.1 核函数及其参数选取 | 第28-30页 |
| 3.2 网格搜索算法 | 第30页 |
| 3.3 粒子群算法 | 第30-34页 |
| 第四章 基于改进网格搜索法的SVM参数寻优研究 | 第34-41页 |
| 4.1 传统网格搜索算法分析 | 第34-37页 |
| 4.2 基于改进网格搜索法的支持向量机 | 第37-39页 |
| 4.3 改进网格搜索法SVM性能验证 | 第39-41页 |
| 第五章 基于改进网格搜索法的SVM边坡变形预测应用 | 第41-53页 |
| 5.1 工程实例一 | 第41-48页 |
| 5.2 工程实例二 | 第48-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间的研究成果 | 第59-60页 |