| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第8-12页 |
| ·本文的提出及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·主要研究内容 | 第10-12页 |
| 第2章 预备知识 | 第12-21页 |
| ·半监督学习 | 第12-15页 |
| ·半监督聚类 | 第15-16页 |
| ·支持向量机理论 | 第16-21页 |
| 第3章 基于半监督FCM 和SVM 的主动学习 | 第21-30页 |
| ·半监督FCM 聚类算法 | 第21-25页 |
| ·中心区域的确定 | 第25-26页 |
| ·基于半监督FCM 和SVM 的主动学习方法 | 第26-28页 |
| ·实验结果与分析 | 第28-30页 |
| 第4章 基于改进半监督FCM 和SVM 的主动学习方法 | 第30-38页 |
| ·改进的半监督FCM 算法 | 第30页 |
| ·新的中心区域确定方法 | 第30-32页 |
| ·基于改进半监督FCM 和SVM 的主动学习方法 | 第32-34页 |
| ·实验结果与分析 | 第34-38页 |
| 第5章 结论与展望 | 第38-39页 |
| 参考文献 | 第39-42页 |
| 致谢 | 第42-43页 |
| 攻读学位期间取得的科研成果 | 第43页 |