文摘
英文文摘
声明
第一章绪论
1.1问题背景和意义
1.2有监督学习的发展
1.3正则技术的发展
1.4统计学习理论的发展
1.5核机器学习方法的发展
1.6本文主要工作及结构
1.6.1本文主要工作
1.6.2本文内容安排
第二章统计学习理论
2.1学习问题的表示
2.1.1函数估计模型
2.1.2风险最小化问题
2.1.3三种主要的学习问题
2.2经验风险最小化问题
2.3解不定积分方程
2.4结构风险最小化
2.5本章小结
第三章再生核与再生核学习机
3.1特征空间中的学习
3.2核函数与希尔伯特空间
3.2.1再生核
3.2.2特征空间和经验特征空间
3.2.3再生核Hilbert空间与经验再生核Hilbert空间
3.3本章小结
第四章正则化学习与核函数
4.1正则化学习
4.1.1符号表示
4.1.2有监督学习问题
4.1.3岭回归
4.1.4支持向量机
4.1.5一般的正则化学习及其应用
4.2用表示定理求解正则化问题
4.2.1表示定理
4.2.2有限个变量的优化问题
4.2.3对正则化问题引入核函数
4.3学习最优核函数
4.4本章小结
第五章新的基于有监督的核函数优化算法
5.1问题的提出
5.2理论知识准备
5.2.1再生希尔伯特空间上的正则化框架
5.2.2最大最小问题
5.3基于有监督学习核函数的优化算法
5.4新的基于有监督的核函数优化算法
5.5实验结果和分析
5.6本章小结
结束语
致谢
参考文献
在读期间的研究成果