| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-14页 |
| 1.1 分类与机器学习 | 第10-11页 |
| 1.2 经典分类方法 | 第11-12页 |
| 1.2.1 KNN分类 | 第11-12页 |
| 1.2.2 svm分类 | 第12页 |
| 1.3 研究背景和现状 | 第12-13页 |
| 1.4 本文的主要内容和研究目的及意义 | 第13-14页 |
| 第2章 预备知识 | 第14-28页 |
| 2.1 数学基础 | 第14-15页 |
| 2.1.1 Lagrange对偶 | 第14-15页 |
| 2.1.2 KKT条件 | 第15页 |
| 2.2 支持向量机 | 第15-22页 |
| 2.2.1 统计学习理论 | 第15-20页 |
| 2.2.2 几种经典支持向量机简介 | 第20-22页 |
| 2.3 超球支持向量机 | 第22-26页 |
| 2.4 引力分类 | 第26-27页 |
| 2.5 十折交叉验证 | 第27-28页 |
| 第3章 引力分类与超球支持向量机分类方法的统一 | 第28-44页 |
| 3.1 方法阐述 | 第28-37页 |
| 3.2 模拟实验 | 第37-44页 |
| 第4章 总结 | 第44-46页 |
| 参考文献 | 第46-52页 |
| 致谢 | 第52页 |