| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-16页 |
| 1 绪论 | 第16-26页 |
| ·研究的目的与意义 | 第16-17页 |
| ·国内外研究现状 | 第17-23页 |
| ·各种改进的SVM模型 | 第17-18页 |
| ·降低训练时间和计算复杂性的训练算法 | 第18页 |
| ·提高推广能力的模型选择方法 | 第18-20页 |
| ·多类分类算法 | 第20-21页 |
| ·SVM的应用研究 | 第21-23页 |
| ·论文的内容安排及主要创新点 | 第23-26页 |
| ·论文的内容安排 | 第23-24页 |
| ·主要创新点 | 第24-26页 |
| 2 预备知识 | 第26-42页 |
| ·引言 | 第26页 |
| ·机器学习的基本问题 | 第26-29页 |
| ·经验风险最小化 | 第28页 |
| ·学习机器的复杂度与推广能力 | 第28-29页 |
| ·统计学习理论与支持向量机 | 第29-40页 |
| ·统计学习理论 | 第29-33页 |
| ·支持向量机 | 第33-39页 |
| ·常用核函数 | 第39-40页 |
| ·支持向量核函数的条件与小波核 | 第40-41页 |
| ·支持向量核函数的条件 | 第40页 |
| ·小波基础与小波核 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 3 最小二乘支持向量机的大规模学习算法研究 | 第42-56页 |
| ·引言 | 第42页 |
| ·最小二乘支持向量机 | 第42-45页 |
| ·大规模学习算法 | 第45-50页 |
| ·系数矩阵的性质与分块 | 第45-48页 |
| ·改进的预处理共轭梯度方法 | 第48-50页 |
| ·算法复杂性分析 | 第50页 |
| ·仿真算例 | 第50-55页 |
| ·双螺旋线问题 | 第50-53页 |
| ·一元函数的回归学习 | 第53页 |
| ·乳腺癌数据分类 | 第53-54页 |
| ·Mackey-Glass混沌时间序列 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 4 Modified L-P小波最小二乘支持向量机及其应用 | 第56-68页 |
| ·引言 | 第56页 |
| ·Modified L-P小波核函数 | 第56-58页 |
| ·Modified L-P小波最小二乘支持向量机 | 第58-60页 |
| ·仿真算例 | 第60-67页 |
| ·一元函数的回归学习 | 第60-62页 |
| ·二元函数的回归学习 | 第62页 |
| ·SISO非线性动态系统辩识 | 第62-65页 |
| ·MIMO非线性动态系统辩识 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 5 加权迭代最小二乘支持向量机及其应用 | 第68-88页 |
| ·引言 | 第68页 |
| ·加权最小二乘支持向量机 | 第68-70页 |
| ·基于柯西分布加权的最小二乘支持向量机 | 第70-76页 |
| ·柯西分布简介 | 第70-72页 |
| ·基于柯西分布加权的LS-SVM | 第72-73页 |
| ·仿真结果与分析 | 第73-76页 |
| ·加权迭代最小二乘支持向量机 | 第76-81页 |
| ·块增量学习 | 第76-77页 |
| ·逆学习算法 | 第77-78页 |
| ·WILSSVR算法的实现步骤 | 第78-81页 |
| ·仿真算例 | 第81-86页 |
| ·一元非线性函数的回归建模 | 第81-82页 |
| ·圣达菲混沌激光时间序列预测 | 第82-86页 |
| ·本章小结 | 第86-88页 |
| 6 多类分类LS-SVM算法研究及其应用 | 第88-104页 |
| ·引言 | 第88页 |
| ·多类分类问题 | 第88-94页 |
| ·一对一的多分类算法 | 第89页 |
| ·一对多的多分类算法 | 第89-90页 |
| ·基于LS-SVM的多类分类算法 | 第90-91页 |
| ·Iris数据仿真算例 | 第91-94页 |
| ·基于多类分类SVM的故障诊断 | 第94-99页 |
| ·流程图 | 第94-96页 |
| ·小波包分解 | 第96-97页 |
| ·主成分分析 | 第97页 |
| ·诊断实例与讨论 | 第97-99页 |
| ·基于支持向量机的并行诊断网络 | 第99-101页 |
| ·本章小结 | 第101-104页 |
| 7 结束语 | 第104-106页 |
| 致谢 | 第106-108页 |
| 参考文献 | 第108-122页 |
| 作者攻读博士学位期间撰写和发表的论文 | 第122-124页 |
| 简历 | 第124页 |