| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-25页 |
| ·选题背景和意义 | 第11-13页 |
| ·支持向量机的研究现状 | 第13-21页 |
| ·论文的研究意义与主要工作 | 第21-25页 |
| 第二章 支持向量机及其基础知识 | 第25-45页 |
| ·最优化理论知识 | 第25-28页 |
| ·统计学习理论 | 第28-33页 |
| ·支持向量机算法模型 | 第33-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 核最小平方误差的 SVM变型算法 | 第45-71页 |
| ·引言 | 第45-46页 |
| ·最小二乘支持向量机 | 第46-50页 |
| ·临近支持向量回归机 | 第50-56页 |
| ·直接支持向量机 | 第56-59页 |
| ·数值实验 | 第59-70页 |
| ·本章小结 | 第70-71页 |
| 第四章 模糊支持向量机的隶属度设计 | 第71-85页 |
| ·引言 | 第71-72页 |
| ·模糊支持向量机 | 第72-75页 |
| ·基于可控因子的隶属度设计 | 第75-78页 |
| ·基于类内平面的隶属度设计 | 第78-79页 |
| ·数值实验 | 第79-83页 |
| ·本章小结 | 第83-85页 |
| 第五章 二次损失函数模糊 SVM的泛化能力估计研究 | 第85-101页 |
| ·引言 | 第85-86页 |
| ·二次损失函数的FSVM 模型 | 第86-90页 |
| ·泛化能力估计 | 第90-95页 |
| ·数值实验 | 第95-99页 |
| ·本章小结 | 第99-101页 |
| 第六章 自动模型选择的 DCSVM乳腺癌 X线影像检测 | 第101-119页 |
| ·引言 | 第101-102页 |
| ·相关知识 | 第102-106页 |
| ·双惩罚因子的L2-SVM 方法 | 第106-108页 |
| ·基于RM 上界的模型选择 | 第108-112页 |
| ·数值实验 | 第112-117页 |
| ·本章小结 | 第117-119页 |
| 结束语 | 第119-121页 |
| 致谢 | 第121-123页 |
| 参考文献 | 第123-141页 |
| 在读期间所撰写的主要论文 | 第141-143页 |
| 在读期间参加的科研项目 | 第143页 |
| 在读期间获奖情况 | 第143-144页 |