| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-19页 |
| ·机器学习 | 第11页 |
| ·统计学习理论 | 第11-14页 |
| ·学习问题 | 第12页 |
| ·ERM 准则 | 第12-13页 |
| ·核方法 | 第13-14页 |
| ·正则化算法 | 第14-16页 |
| ·无界条件 | 第16-17页 |
| ·本论文的概括 | 第17-19页 |
| 第二章 基于无界抽样的系数正则化回归学习算法的研究 | 第19-39页 |
| ·引言 | 第19-20页 |
| ·基于无界抽样的系数正则化算法 | 第20-27页 |
| ·预备知识 | 第20-22页 |
| ·样本误差的估计 | 第22-25页 |
| ·误差界及学习速率 | 第25-27页 |
| ·基于无界抽样的半监督系数正则化算法 | 第27-39页 |
| ·预备知识 | 第27-28页 |
| ·主要结果 | 第28-31页 |
| ·假设误差 | 第31-33页 |
| ·样本误差 | 第33-36页 |
| ·学习速率 | 第36-37页 |
| ·讨论 | 第37-39页 |
| 第三章 基于弱相关无界抽样的正则化算法 | 第39-51页 |
| ·引言 | 第39-41页 |
| ·主要结果 | 第41-44页 |
| ·基于φ-混合条件的样本误差 | 第44-46页 |
| ·基于α-混合条件的样本误差 | 第46-48页 |
| ·学习速率 | 第48-51页 |
| 第四章 排一分析法 | 第51-55页 |
| ·引言 | 第51页 |
| ·主要引理 | 第51-52页 |
| ·学习速率 | 第52-55页 |
| 第五章 结论与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·创新点 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 附录 | 第65-66页 |