| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 统计学习理论 | 第8-9页 |
| 1.2 统计学习理论的基本框架 | 第9-12页 |
| 第二章 正则化学习算法 | 第12-19页 |
| 2.1 再生核Hilbert空间与算子 | 第12-14页 |
| 2.2 正则化最小二乘算法 | 第14-16页 |
| 2.3 系数正则化算法 | 第16-19页 |
| 第三章 分布式核岭回归学习算法 | 第19-23页 |
| 3.1 分布式学习 | 第19-20页 |
| 3.2 分布式核岭回归学习 | 第20-23页 |
| 第四章 分布式系数正则化回归学习算法 | 第23-50页 |
| 4.1 基本假设 | 第23-24页 |
| 4.2 主要引理 | 第24-32页 |
| 4.3 分布式系数正则化回归学习算法的一致性分析 | 第32-38页 |
| 4.4 分布式部分系数正则化学习算法的一致性分析 | 第38-50页 |
| 第五章 结论与展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-58页 |
| 附录 | 第58-60页 |