| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-12页 |
| 第一章 绪论 | 第12-36页 |
| ·机器学习的发展历史与现状 | 第12-13页 |
| ·有限样本的预测学习方法简介 | 第13-15页 |
| ·统计学习理论主要内容介绍 | 第15-19页 |
| ·边界的理论与VC维 | 第15-16页 |
| ·推广误差边界 | 第16-17页 |
| ·结构风险最小化归纳原理 | 第17-19页 |
| ·支持向量机算法的发展历史和现状 | 第19-20页 |
| ·支持向量机基本方法 | 第20-26页 |
| ·线性情况 | 第20-23页 |
| ·非线性情况 | 第23-24页 |
| ·支持向量机的说明 | 第24-26页 |
| ·支持向量机理论的主要研究内容 | 第26-33页 |
| ·各种支持向量机新算法的研究 | 第26-28页 |
| ·海量数据优化算法的研究 | 第28-30页 |
| ·支持向量机模型选择的研究 | 第30页 |
| ·支持向量机多类别分类方法的研究 | 第30-33页 |
| ·论文研究内容和全文的体系结构 | 第33-36页 |
| 第二章 各种变形的支持向量机算法 | 第36-50页 |
| ·各种变形支持向量机算法的介绍 | 第36-46页 |
| ·C-SVM算法及其变形算法系列 | 第36-39页 |
| ·ν-SVM算法及其变形算法系列 | 第39-40页 |
| ·One-class SVM算法 | 第40-42页 |
| ·RSVM算法 | 第42-44页 |
| ·WSVM算法 | 第44-45页 |
| ·LS-SVM算法 | 第45-46页 |
| ·各种变形支持向量机算法的比较 | 第46-47页 |
| ·小结 | 第47-50页 |
| 第三章 超球面支持向量机算法的研究 | 第50-64页 |
| ·超球面支持向量机算法的介绍 | 第50-53页 |
| ·超球面支持向量机算法思想 | 第50-51页 |
| ·One-class SVM算法 | 第51-52页 |
| ·超球面二类别SVM算法 | 第52-53页 |
| ·目前超球面SVM算法的研究 | 第53-56页 |
| ·One-class SVM算法和超球面二类别SVM算法关系的研究 | 第53-55页 |
| ·One-class SVM算法和超球面二类别SVM算法推广能力的研究 | 第55-56页 |
| ·一种新的超球面SVM算法的研究 | 第56-61页 |
| ·新超球面SVM算法 | 第57-58页 |
| ·新超球面SVM算法的性能分析 | 第58-61页 |
| ·仿真实验 | 第61-62页 |
| ·小结 | 第62-64页 |
| 第四章 广义加权支持向量机算法的研究 | 第64-82页 |
| ·广义SVM算法及其缺陷 | 第65-69页 |
| ·广义SVM算法 | 第65-66页 |
| ·广义SVM算法无法解决类别大小差异对分类精度影响的原因分析 | 第66-69页 |
| ·广义加权SVM算法及其类别补偿能力的分析 | 第69-71页 |
| ·广义加权SVM算法 | 第69-70页 |
| ·广义加权SVM算法类别补偿能力的分析 | 第70-71页 |
| ·广义加权SVM算法应用于解决多类别分类问题 | 第71-73页 |
| ·加权C-SVM算法及其类别补偿能力的分析 | 第73-75页 |
| ·加权C-SVM算法 | 第73-74页 |
| ·加权C-SVM算法类别补偿能力的分析 | 第74-75页 |
| ·加权ν-SVM算法及其类别补偿能力的分析 | 第75-78页 |
| ·加权ν-SVM算法 | 第75-76页 |
| ·加权ν-SVM算法类别补偿能力的分析 | 第76-78页 |
| ·仿真实验 | 第78-79页 |
| ·小结 | 第79-82页 |
| 第五章 两种新的支持向量机分类方法 | 第82-88页 |
| ·相关理论知识介绍 | 第82-84页 |
| ·粗糙集理论的属性约简概念 | 第82-83页 |
| ·主成分分析理论的简介 | 第83-84页 |
| ·粗SVM分类方法 | 第84-85页 |
| ·Rough SVM方法的基本分类过程 | 第84-85页 |
| ·新属性集的产生方法 | 第85页 |
| ·去噪声的加权SVM分类方法 | 第85-87页 |
| ·小结 | 第87-88页 |
| 第六章 支持向量机理论在污水处理过程运行状态监控中的应用 | 第88-100页 |
| ·城市污水处理工艺流程介绍 | 第88-89页 |
| ·对污水处理过程运行状态监控的意义 | 第89-90页 |
| ·城市污水处理厂日常监控数据介绍 | 第90-93页 |
| ·支持向量机理论在污水处理过程运行状态监控中应用的实验 | 第93-98页 |
| ·广义加权支持向量机算法在污水处理过程运行状态监控中的应用 | 第93-95页 |
| ·粗SVM分类方法在污水处理过程运行状态监控中的应用 | 第95-97页 |
| ·去噪声的加权SVM分类方法在污水处理过程运行状态监控中的应用 | 第97-98页 |
| ·小结 | 第98-100页 |
| 第七章 总结与展望 | 第100-102页 |
| ·全文工作总结 | 第100-101页 |
| ·进一步工作展望 | 第101-102页 |
| 参考文献 | 第102-114页 |
| 作者简介 | 第114-116页 |
| 致谢 | 第116页 |
