| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题研究背景 | 第9-11页 |
| 1.2 课题研究现状与发展方向 | 第11-14页 |
| 1.3 本文的主要工作和创新点 | 第14-15页 |
| 1.4 研究意义 | 第15页 |
| 1.5 本文主要的符号 | 第15-16页 |
| 1.6 本文主要内容及章节安排 | 第16-18页 |
| 第二章 支持向量机理论 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 统计学习理论 | 第18-21页 |
| 2.2.1 函数集的容量 | 第19页 |
| 2.2.2 VC维 | 第19页 |
| 2.2.3 结构风险最小化 | 第19-21页 |
| 2.3 支持向量机理论 | 第21-25页 |
| 2.3.1 支持向量分类机 | 第21-24页 |
| 2.3.2 支持向量回归机 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 核函数 | 第27-37页 |
| 3.1 核函数、正定矩阵与正定核 | 第27-28页 |
| 3.2 核函数的性质 | 第28-30页 |
| 3.3 常用的核函数类型 | 第30-34页 |
| 3.4 核函数的度量特征 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章稀疏表示理论 | 第37-46页 |
| 4.1 引言 | 第37-38页 |
| 4.2 稀疏表示理论的问题描述 | 第38-39页 |
| 4.3 稀疏字典 | 第39-43页 |
| 4.3.1 分析型字典 | 第39-40页 |
| 4.3.2 学习型字典 | 第40-43页 |
| 4.4 稀疏编码 | 第43-44页 |
| 4.4.1 稀疏编码基本概念 | 第43-44页 |
| 4.4.2 稀疏的度量 | 第44页 |
| 4.5 本章小结 | 第44-46页 |
| 第五章 基于样本分布特征的支持向量机核函数选择方法 | 第46-55页 |
| 5.1 引言 | 第46页 |
| 5.2 理论基础 | 第46-48页 |
| 5.3 算法框架 | 第48-50页 |
| 5.4 实例仿真 | 第50-53页 |
| 5.4.1 实验仿真 | 第50-53页 |
| 5.4.2 样本数据对比分析 | 第53页 |
| 5.5 本章小结 | 第53-55页 |
| 第六章 稀疏表示下的支持向量机核函数选择 | 第55-68页 |
| 6.1 引言 | 第55-56页 |
| 6.2 方法概述 | 第56页 |
| 6.3 算法步骤 | 第56-59页 |
| 6.4 实验仿真与分析 | 第59-67页 |
| 6.5 本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 7.1 总结 | 第68-69页 |
| 7.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间的研究成果 | 第75-76页 |