1、最优化基础1.1 欧式空间上的最优化问题1.1.1 最优化问题实例1.1.2 最优化问题及其解1.1.3 最优化问题的几何解释1.2 欧式空间上的凸规划1.2.1 凸集和凸函数1.2.2 凸规划问题及其基本性质1.2.3 凸规划的对偶理论1.2.4 凸规划的最优性条件1.2.5 线性规划 1.3 Hilbert空间上的凸规划1.3.1 凸函数及Frechet导数1.3.2 凸规划问题1.3.3 凸规划的对偶理论1.3.4 凸规划的最优性条件1.4 欧式空间上带有广义不等式约束的凸规划1.4.1 带有广义不等式约束的凸规划1.4.2 带有广义不等式约束的凸规划的对偶理论1.4.3 带有广义不等式
2、约束的凸规划的最优性条件1.4.4 二阶锥规划1.4.5 半定规划,1.5 Hilbert空间上带有广义不等式约束的凸规划1.5.1 K凸函数与Frechet导数1.5.2 凸规划问题1.5.3 凸规划的对偶理论1.5.4 凸规划的最优性条件 第2章 线性分类机 2.1 分类问题的提出2.1.1 例子（心脏病诊断）2.1.2 分类问题和分类机2.2 线性可分问题的支持向量分类机2.2.1 最大间隔法_2.2.2 线性可分问题的支持向量分类机2.2.3 支持向量2.3 线性支持向量分类机2.3.1 最大间隔法2.3.2 线性支持向量分类机,第3章 线性回归机 3.1 回归问题和线性回归问题 3.
3、2 硬带超平面3.2.1 从线性回归问题到硬乒带超平面3.2.2 硬-带超平面与线性分划3.2.3 构造硬带超平面的最优化问题 3.3 线性硬-带支持向量回归机3.3.1 原始问题3.3.2 对偶问题及其与原始问题解的关系3.3.3 线性硬-带支持向量回归机 3.4 线性-支持向量回归机3.4.1 原始问题3.4.2 对偶问题及其与原始问题解的关系3.4.3 线性-支持向量回归机 第4章 核与支持向量机 4.1 从线性分划到非线性分划4.1.1 非线性分划的例子4.1.2 基于非线性分划的分类算法4.1.3 基于非线性分划的回归算法 4.2 核函数4.2.1 核函数及其特征4.2.2 核函数的判定和常用的核函数 4.3 支持向量机及其性质4.3.1 支持向量分类机4.3.2 支持向量回归机 4.4 支持向量机中核函数的选取4.4.1 已知训练集时核函数的选取,
