| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·引言 | 第8页 |
| ·研究课题背景与研究意义 | 第8-9页 |
| ·支持向量机的算法研究概况 | 第9-10页 |
| ·支持向量机的其他方面的发展 | 第10-11页 |
| ·改进的支持向量机问题 | 第10-11页 |
| ·支持向量机多分类问题 | 第11页 |
| ·支持向量机研究目前存在的问题 | 第11-12页 |
| ·本文的结构安排 | 第12-13页 |
| 第2章 支持向量机的基本理论 | 第13-25页 |
| ·支持向量机分类机 | 第13-21页 |
| ·问题的提出 | 第13页 |
| ·最大间隔的原则 | 第13-14页 |
| ·最大间隔的原则的解释 | 第14-15页 |
| ·支持向量分类机 | 第15-21页 |
| ·支持向量机的统计学习理论介绍 | 第21-24页 |
| ·期望风险极小化 | 第21页 |
| ·经验风险最小化 | 第21-23页 |
| ·VC 维 | 第23页 |
| ·结构风险极小化 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 动态存储的支持向量机算法 | 第25-41页 |
| ·应用有效集法求解SVM 中要求解的凸二次规划 | 第25-29页 |
| ·有效集法解凸二次规划算法简介 | 第25-26页 |
| ·应用有效集法求解SVM 中的二次规划问题 | 第26-29页 |
| ·动态存储的SVM 算法 | 第29-36页 |
| ·当前对大规模训练样本的研究现状 | 第30页 |
| ·求解等式约束的凸二次规划所用核函数矩阵的计算和存储 | 第30-31页 |
| ·算法 | 第31-33页 |
| ·求解等式约束的凸二次规划(3-7)的技巧 | 第33-35页 |
| ·数值实验 | 第35-36页 |
| ·初始可行点的确定 | 第36-40页 |
| ·初始可行点确定 | 第37-38页 |
| ·初始可行点选取的分析 | 第38-40页 |
| ·数值实验 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于动态存储的在线SVM 算法 | 第41-54页 |
| ·SVM 在线学习的研究现状 | 第41-42页 |
| ·新增训练样本后支持向量变化分析 | 第42-44页 |
| ·基于动态存储的在线SVM 算法 | 第44-47页 |
| ·当新训练样本加入时二次规划最优值的变小 | 第44-45页 |
| ·初始可行点构造 | 第45-46页 |
| ·基于动态存储的在线SVM 算法 | 第46页 |
| ·数值实验 | 第46-47页 |
| ·改进的基于动态存储的在线SVM 算法 | 第47-53页 |
| ·问题的提出 | 第47页 |
| ·支持向量空间分布特点 | 第47-51页 |
| ·遗忘准则 | 第51页 |
| ·改进后的算法 | 第51-52页 |
| ·数值实验 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |