| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-14页 |
| ·课题的研究背景、意义和现状 | 第8-12页 |
| ·课题研究背景、意义 | 第8-10页 |
| ·课题研究现状 | 第10-12页 |
| ·本文研究内容 | 第12-14页 |
| 2 支持向量机理论基础 | 第14-26页 |
| ·统计学习核心理论 | 第14-18页 |
| ·学习过程的一致性条件 | 第14-16页 |
| ·函数集的VC维 | 第16页 |
| ·泛化误差界 | 第16-17页 |
| ·结构风险最小化归纳原理 | 第17-18页 |
| ·支持向量机核心理论 | 第18-24页 |
| ·最大间隔分类超平面 | 第19-20页 |
| ·支持向量机 | 第20-24页 |
| ·本章小结 | 第24-26页 |
| 3 核函数研究 | 第26-39页 |
| ·核函数基本性质及分类 | 第26-29页 |
| ·核函数基本性质 | 第27-28页 |
| ·核函数分类 | 第28-29页 |
| ·多项式核函数 | 第29-31页 |
| ·高斯径向基核函数 | 第31-33页 |
| ·核函数性能评价策略研究 | 第33-38页 |
| ·本章小结 | 第38-39页 |
| 4 支持向量机分类算法研究 | 第39-56页 |
| ·支持向量机经典分类算法 | 第39-44页 |
| ·one-against-all(1-a-a)分类器 | 第41-42页 |
| ·one-against-one(1-a-1)分类器 | 第42-43页 |
| ·Directed Acyclic Graph SVM(DAG-SVM)分类器 | 第43-44页 |
| ·一种改进的基于二叉决策树的多类分类算法研究 | 第44-50页 |
| ·分类算法在进化计算中的应用研究 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 5 相关工作与展望 | 第56-58页 |
| ·相关工作 | 第56页 |
| ·展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62-63页 |
| 在学期间发表的论文和参加科研情况 | 第63页 |
