| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 引言 | 第7-8页 |
| 1.2 本课题研究现状 | 第8-10页 |
| 1.3 研究内容与章节安排 | 第10-11页 |
| 第二章 支持向量机相关理论 | 第11-23页 |
| 2.1 支持向量机 | 第11-15页 |
| 2.1.1 最优分类面 | 第11-12页 |
| 2.1.2 线性支持向量机 | 第12-13页 |
| 2.1.3 非线性支持向量机 | 第13-15页 |
| 2.2 基于样本体的支持向量机研究 | 第15-18页 |
| 2.2.1 基于最小包含球的支持向量机分类 | 第15-17页 |
| 2.2.2 基于支持向量机的样本体研究思想 | 第17-18页 |
| 2.3 最大间隔聚类 | 第18-22页 |
| 2.3.1 支持向量机反问题 | 第18-19页 |
| 2.3.2 最大间隔聚类算法 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于支持向量机的多分类问题 | 第23-30页 |
| 3.1 基于 SVM 的多分类法对比分析 | 第23-25页 |
| 3.2 基于支持向量机的二叉树多分类 | 第25-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 基于样本体的 SVM 研究在二叉树多分类中的应用 | 第30-43页 |
| 4.1 基于超球的最大间隔聚类 | 第30-37页 |
| 4.2 基于最大泛化性的二叉树多分类算法设计 | 第37-38页 |
| 4.3 实验评价与分析 | 第38-42页 |
| 4.3.1 基于超球的最大间隔聚类的算法仿真 | 第38-40页 |
| 4.3.2 分类结果对比分析 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 附录 攻读硕士学位期间发表的论文 | 第48-49页 |
| 详细摘要 | 第49-53页 |