| 摘要 | 第1-8页 |
| 英文摘要 | 第8-15页 |
| 第一章 绪论 | 第15-48页 |
| §1．1 人工神经网络的发展 | 第15-17页 |
| §1．2 Bayes网络的发展 | 第17页 |
| §1．3 正则技术的发展 | 第17-18页 |
| §1．4 统计学习理论的发展 | 第18页 |
| §1．5 核机器学习方法的发展 | 第18-25页 |
| §1．6 本论文的主要工作 | 第25-28页 |
| 本章参考文献 | 第28-48页 |
| 第二章 统计学习理论、再生核技术与支撑矢量机算法 | 第48-71页 |
| §2．1 统计学习理论 | 第48-55页 |
| §2．2 再生核与再生核Hilbert空间 | 第55-63页 |
| §2．3 支撑矢量机算法 | 第63-68页 |
| 本章参考文献 | 第68-71页 |
| 第三章 支撑矢量机几何特性分析 | 第71-83页 |
| §3．1 引言 | 第71-72页 |
| §3．2 模式识别支撑矢量机几何特性分析 | 第72-77页 |
| §3．3 回归估计支撑矢量机几何特性分析 | 第77-79页 |
| §3．4 小结 | 第79-80页 |
| 附录A3 | 第80-82页 |
| 本章参考文献 | 第82-83页 |
| 第四章 线性规划支撑矢量机 | 第83-99页 |
| §4．1 引言 | 第83页 |
| §4．2 线性规划支撑矢量机 | 第83-87页 |
| §4．3 仿真实验 | 第87-94页 |
| §4．4 小结与讨论 | 第94页 |
| 附录A4 | 第94-97页 |
| 本章参考文献 | 第97-99页 |
| 第五章 无约束二次规划回归估计支撑矢量机 | 第99-113页 |
| §5．1 引言 | 第99页 |
| §5．2 无约束二次规划回归估计支撑矢量机 | 第99-104页 |
| §5．3 仿真实验 | 第104-109页 |
| §5．4 结与讨论 | 第109页 |
| 附录A5 | 第109-112页 |
| 本章参考文献 | 第112-113页 |
| 第六章 自适应支撑矢量机多用户检测 | 第113-127页 |
| §6．1 引言 | 第113页 |
| §6．2 非线性多用户检测 | 第113-116页 |
| §6．3 自适应支撑矢量机 | 第116-120页 |
| §6．4 实验仿真 | 第120-124页 |
| §6．5 小结与讨论 | 第124-125页 |
| 本章参考文献 | 第125-127页 |
| 第七章 Mercer核参数选择 | 第127-139页 |
| §7．1 引言 | 第127页 |
| §7．2 一种新的推广能力衡量准则 | 第127-131页 |
| §7．3 Mercer核参数选择 | 第131页 |
| §7．4 仿真实验 | 第131-135页 |
| §7．5 小结 | 第135-137页 |
| 本章参考文献 | 第137-139页 |
| 第八章 复值支撑矢量机 | 第139-183页 |
| §8．1 引言 | 第139-140页 |
| §8．2 模式识别复值支撑矢量机 | 第140-161页 |
| §8．3 回归估计复值支撑矢量机 | 第161-175页 |
| §8．4 小结 | 第175-177页 |
| 附录A8 | 第177-179页 |
| 本章参考文献 | 第179-183页 |
| 第九章 基于父子波正交投影核的支撑矢量机 | 第183-205页 |
| §9．1 引言 | 第183-184页 |
| §9．2 父子波正交投影核 | 第184-186页 |
| §9．3 基于父子波正交投影核的支撑矢量机 | 第186-188页 |
| §9．4 算法性能分析和父子波正交投影核的参数选择 | 第188-193页 |
| §9．5 仿真实验 | 第193-195页 |
| §9．6 小结 | 第195-200页 |
| 附录A9 | 第200-203页 |
| 本章参考文献 | 第203-205页 |
| 第十章 隐空间核机器 | 第205-232页 |
| §10．1 引言 | 第205-206页 |
| §10．2 隐空间 | 第206-208页 |
| §10．3 隐空间主分量分析 | 第208-215页 |
| §10．4 隐空间支撑矢量机 | 第215-226页 |
| §10．5 小结 | 第226-228页 |
| 附录A10 | 第228-229页 |
| 本章参考文献 | 第229-232页 |
| 总结与展望 | 第232-236页 |
| 谢辞 | 第236-237页 |