基于支持向量机的分类算法研究

摘要	第1-6页
ABSTRACT	第6-10页
第1章 绪论	第10-14页
·课题研究的背景	第10页
·支持向量机的发展概述	第10-13页
·支持向量机的发展	第10-11页
·支持向量机的研究现状	第11-12页
·支持向量机的应用	第12-13页
·本文的主要工作	第13-14页
第2章 支持向量机的理论基础	第14-21页
·机器学习方法简介	第15-16页
·复杂性和推广能力	第16-17页
·VC 维—反映函数学习能力的指标	第17页
·泛化性的界	第17-19页
·结构风险最小化	第19-21页
第3章 支持向量机	第21-28页
·线性支持向量机	第21-23页
·非线性支持向量机	第23-26页
·核函数	第26-28页
第4章 实验结果与分析	第28-42页
·数据来源和数据处理	第28-29页
·数据来源	第28-29页
·数据处理	第29页
·神经网络识别	第29-33页
·BP 神经网络结构设计	第29-33页
·网络仿真结果分析	第33页
·支持向量机识别结果分析	第33-42页
·系统实现	第33-34页
·仿真结果及分析	第34-36页
·交叉验证法选择核参数	第36-41页
·结果比较	第41-42页
总结与展望	第42-44页
参考文献	第44-47页
发表论文及参加科研情况	第47-48页
致谢	第48-49页
附录	第49-53页