| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-10页 |
| ·问题的提出 | 第8页 |
| ·选题意义及国内外研究现状 | 第8-9页 |
| ·选题意义 | 第8页 |
| ·研究历史及现状 | 第8-9页 |
| ·论文的研究内容和结构 | 第9-10页 |
| 第二章 支持向量机 | 第10-26页 |
| ·引言 | 第10-12页 |
| ·什么是支持向量机 | 第10-11页 |
| ·什么是模式 | 第11-12页 |
| ·线性分类问题的支持向量机 | 第12-15页 |
| ·分类问题与机器学习 | 第12-13页 |
| ·两类可分问题的线性分类机 | 第13-15页 |
| ·求解线性分类问题的优化方法 | 第15-19页 |
| ·优化问题的几个基本定义和定理 | 第15-16页 |
| ·最优性条件 | 第16-19页 |
| ·对偶理论 | 第19-20页 |
| ·原始问题与对偶问题 | 第19-20页 |
| ·弱对偶定律 | 第20页 |
| ·强对偶定理 | 第20页 |
| ·Lagrange 对偶理论 | 第20-22页 |
| ·原始问题与对偶问题 | 第20-21页 |
| ·二次规划问题的对偶性 | 第21-22页 |
| ·两类线性可分支持向量机的求解 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 核方法与核矩阵 | 第26-31页 |
| ·引言 | 第26页 |
| ·内积和 Gram 矩阵 | 第26-27页 |
| ·内积及希尔伯特空间 | 第26-27页 |
| ·Gram 矩阵 | 第27页 |
| ·核矩阵 | 第27页 |
| ·非线性支持向量机----核方法（Kernel Method） | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第四章 偏微分方程 | 第31-39页 |
| ·引言 | 第31页 |
| ·基本概念 | 第31-35页 |
| ·偏微分方程 | 第31-32页 |
| ·数学物理方程的分类 | 第32-35页 |
| ·偏微分方程的解 | 第35-37页 |
| ·线性偏微分方程解的特征 | 第36-37页 |
| ·高斯平滑滤波器（Gaussian Smoothing Filter） | 第37-38页 |
| ·高斯滤波器简介 | 第37页 |
| ·图像滤波的计算过程分析 | 第37-38页 |
| ·高斯平滑滤波器的设计 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第五章 一种基于脉冲噪声检测的中值滤波方法 | 第39-44页 |
| ·引言 | 第39-40页 |
| ·标准中值滤波 | 第39-40页 |
| ·一种新的图像噪声检测算法 | 第40-42页 |
| ·算法的提出 | 第40-42页 |
| ·算法设计与实现----一图像脉冲噪声的检测与滤波 | 第42页 |
| ·实验及结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 一种改进的PDE 图像去噪方法 | 第44-52页 |
| ·引言 | 第44页 |
| ·一种新的基于偏微分模型的去噪方法 | 第44-51页 |
| ·各向同性与各向异性 | 第44页 |
| ·各向异性扩散模型 | 第44-46页 |
| ·改进的图像各向异性扩散平滑算法 | 第46页 |
| ·实验结果及分析 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第57页 |
