| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题的背景及其意义 | 第7-8页 |
| ·国内外的研究现状 | 第8-10页 |
| ·本文工作及组织结构 | 第10-12页 |
| ·本文所做的工作与创新点 | 第10页 |
| ·本文的组织结构 | 第10-12页 |
| 第二章 支持向量机简介 | 第12-22页 |
| ·支持向量机的发展 | 第12-13页 |
| ·支持向量机分类原理 | 第13-15页 |
| ·单类支持向量机 | 第15-21页 |
| ·单类支持向量机简介 | 第15-16页 |
| ·粗糙集理论介绍 | 第16-17页 |
| ·粗糙单类支持向量机 | 第17-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 核方法 | 第22-30页 |
| ·核方法简介 | 第22-23页 |
| ·核函数的选择 | 第23-26页 |
| ·核函数的构建 | 第26-29页 |
| ·基于特征变换的核函数构建 | 第26-28页 |
| ·利用核函数的性质进行构建 | 第28页 |
| ·结合相关领域知识进行构建 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于特征贡献度加权高斯核函数的粗糙单类支持向量机 | 第30-41页 |
| ·主成分分析 | 第30-35页 |
| ·主成分的基本理论 | 第30-34页 |
| ·样本主成分的选取 | 第34-35页 |
| ·基于特征贡献度的加权高斯核函数 | 第35-37页 |
| ·仿真数据实验及分析 | 第37-38页 |
| ·UCI标准数据实验及分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 λ-RBF ROCSVM在腕表式智能系统中的应用 | 第41-53页 |
| ·加速度样本信息的采集 | 第41-42页 |
| ·摔倒过程识别原理 | 第42-44页 |
| ·系统的硬件结构 | 第44-45页 |
| ·系统的设计与实现 | 第45-52页 |
| ·腕表端模块设计与实现 | 第46-48页 |
| ·服务端模块设计与实现 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 主要结论与展望 | 第53-55页 |
| ·本文工作总结 | 第53页 |
| ·展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第60页 |