| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景 | 第10-12页 |
| ·国内外研究进展及现状 | 第12-13页 |
| ·后验概率概述 | 第13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·本文组织结构 | 第14-15页 |
| 2 模糊支持向量分类机概述 | 第15-26页 |
| ·统计学习理论 | 第15-19页 |
| ·经验风险 | 第15-16页 |
| ·VC 维 | 第16-17页 |
| ·推广性的界 | 第17页 |
| ·学习过程的一致性 | 第17-18页 |
| ·结构风险最小化 | 第18-19页 |
| ·支持向量分类机 | 第19-23页 |
| ·最优分类超平面 | 第19-20页 |
| ·线性可分支持向量分类机 | 第20-21页 |
| ·线性支持向量分类机 | 第21-22页 |
| ·非线性支持向量分类机 | 第22-23页 |
| ·模糊支持向量分类机 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3 模糊支持向量分类机训练集的孤立点检测 | 第26-34页 |
| ·孤立点检测概述 | 第26页 |
| ·孤立点检测方法 | 第26-30页 |
| ·基于统计分布的孤立点检测 | 第26-27页 |
| ·基于距离的孤立点检测 | 第27-28页 |
| ·基于偏差的孤立点检测 | 第28-30页 |
| ·基于聚类的孤立点检测 | 第30页 |
| ·基于密度的孤立点检测 | 第30页 |
| ·特征空间的基于平均密度的孤立点检测 | 第30-32页 |
| ·基于平均密度的孤立点检测 | 第30-32页 |
| ·特征空间的基于平均密度的孤立点检测 | 第32页 |
| ·模糊支持向量分类机训练集的孤立点检测 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于后验概率加权的模糊支持向量分类机研究 | 第34-50页 |
| ·贝叶斯决策理论 | 第34-35页 |
| ·理论概述 | 第34-35页 |
| ·贝叶斯决策理论分析 | 第35页 |
| ·贝叶斯决策判据 | 第35页 |
| ·模糊支持向量分类机隶属度函数的确定 | 第35-36页 |
| ·基于后验概率加权的隶属度函数 | 第36-39页 |
| ·构造基于后验概率加权的隶属度函数 | 第36-38页 |
| ·求后验概率的经验性方法 | 第38页 |
| ·基于后验概率加权的隶属度的求解算法 | 第38-39页 |
| ·基于改进PSO 算法的模糊支持向量分类机参数优化 | 第39-49页 |
| ·支持向量分类机参数的作用及其影响 | 第40页 |
| ·算法评价标准 | 第40-43页 |
| ·支持向量分类机参数优化 | 第43-44页 |
| ·粒子群优化算法 | 第44-46页 |
| ·基于选择和交叉的改进PSO 算法 | 第46-48页 |
| ·基于改进PSO 算法的模糊支持向量分类机参数优化 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 5 仿真应用 | 第50-58页 |
| ·参数优化算法仿真实验 | 第50-53页 |
| ·参数的选择对模型性能的影响实验 | 第50-52页 |
| ·参数优化方法比较实验 | 第52-53页 |
| ·基于后验概率加权的模糊支持向量分类机仿真实验 | 第53-56页 |
| ·人工数据仿真实验 | 第53-55页 |
| ·标准数据库数据仿真实验 | 第55页 |
| ·核函数选择对模型性能的影响实验 | 第55-56页 |
| ·结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·对今后工作的展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 附：1.作者在攻读硕士学位期间发表的论文目录、科研情况 | 第66-67页 |
| 致谢 | 第67页 |
