| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-21页 |
| ·研究背景极其意义 | 第10页 |
| ·机器学习问题及方法 | 第10-13页 |
| ·统计学习理论的核心内容 | 第13-17页 |
| ·支持向量机 | 第17-20页 |
| ·支持向量机基本原理 | 第17-19页 |
| ·SVM 研究及现状 | 第19-20页 |
| ·本文的主要工作及工作安排 | 第20-21页 |
| 第二章 支持向量机分类算法研究 | 第21-27页 |
| ·本章研究要点 | 第21页 |
| ·两类别分类算法研究 | 第21-22页 |
| ·多类别算法研究 | 第22-27页 |
| ·“一对一”多类分类算法（One-vs-One SVMs） | 第22-23页 |
| ·“一对多”多类分类算法（One-vs-Rest SVMs） | 第23-24页 |
| ·基于霍夫曼树(HFMTree)的分类算法 | 第24-27页 |
| 第三章 算法的实验分析 | 第27-33页 |
| ·HFMTree SVM 的实验 | 第27-30页 |
| ·训练过程设计 | 第27页 |
| ·判别过程设计 | 第27页 |
| ·实验设计与分析 | 第27-30页 |
| ·在图象识别中的应用 | 第30-31页 |
| ·ITS 的概念 | 第30页 |
| ·相关技术应用 | 第30-31页 |
| ·基于HFMTree SVM 的图象识别方法 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第四章 总结与展望 | 第33-35页 |
| ·本文总结 | 第33页 |
| ·未来展望 | 第33-35页 |
| 致谢 | 第35-36页 |
| 参考文献 | 第36-37页 |
| 附录 | 第37页 |
| 个人简历 | 第37页 |