| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 1 绪论 | 第7-14页 |
| ·研究背景及问题提出 | 第7-9页 |
| ·支持向量机研究现状 | 第9-12页 |
| ·本文的主要工作 | 第12-14页 |
| 2 支持向量机原理 | 第14-29页 |
| ·统计学习理论概述 | 第14-16页 |
| ·标准SVM 模型 | 第16-21页 |
| ·SVM 多类别分类 | 第21-24页 |
| ·支持向量回归 | 第24-26页 |
| ·SVM 误差分析 | 第26-27页 |
| ·SVM 的应用 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 改进的支持向量机模型 | 第29-35页 |
| ·改进SVM 模型 | 第29-31页 |
| ·解的存在性证明 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 4 支持向量机数值实现技术 | 第35-41页 |
| ·训练样本集准备 | 第35-36页 |
| ·核函数的选择 | 第36-38页 |
| ·算法流程 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 5 算法有效性验证 | 第41-51页 |
| ·标准数值算例 | 第41-44页 |
| ·算例结果分析 | 第44-45页 |
| ·基金业绩评级 | 第45-49页 |
| ·本章小结 | 第49-51页 |
| 总结与展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |