文摘
英文文摘
第一章综述
1.1机器学习的发展
1.2支持向量机(SVM)理论及其发展
1.2.1问题的提出
1.2.2支持向量机基本问题
1.2.3支持向量机综述及进展
1.2.4支持向量机发展方向
1.3论文的主要工作
第二章支持向量机
2.1结构风险最小化原则(SRM)
2.2完备正交函数的拟合与指示函数
2.3核函数
第三章 用沃尔什函数逼近满足经验风险泛函的条件
3.1引言
3.2小置信范围下指示函数的沃尔什函数逼近
3.3沃尔什函数对实函数应用的扩展及实例
3.4几点结论
第四章 支持向量分类机的核函数及变元可分离核函数分析
4.1支持向量机中的分类问题
4.2非线性分类的Hilbert空间映射及其核函数
4.3变元可分离核函数关系的分析
4.4变元可分离核函数在构造支持向量分类机算法时的意义
4.5变元可分离核函数构造支持向量分类机的算例实现及特性分析
第五章基于动态数据支持向量机模型及算法实现
5.1动态数据支持向量机模型的建立及算法
5.2动态支持向量机系统模型算法的分析
结束语
参考文献
附录
1.攻读学位期间发表的论文
2.附件
附件1.Walsh变换进行数据压缩程序代码
附件2.第四章支持向量机分类算例的数据
附件3.第五章实例的向量数据取值
附件4.本文中支持向量机算例的主要程序代码
致谢
论文原创性声明