| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究的背景和意义 | 第10页 |
| 1.2 支持向量机的研究现状 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第2章 统计学习理论和支持向量机 | 第14-22页 |
| 2.1 统计学习理论的概述 | 第14-17页 |
| 2.1.1 机器学习 | 第14-15页 |
| 2.1.2 经验函数最小化原则 | 第15页 |
| 2.1.3 学习过程一致性和 VC 维 | 第15-16页 |
| 2.1.4 结构风险最小化 | 第16-17页 |
| 2.2 SVM 原理 | 第17-21页 |
| 2.2.1 广义最优分类面 | 第17-20页 |
| 2.2.2 支持向量机 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 支持向量机多类分类方法 | 第22-38页 |
| 3.1 SVM 多分类方法的研究现状 | 第22-27页 |
| 3.1.1 多类分类器的构造方法 | 第22-26页 |
| 3.1.2 多类分类器构造方法的比较 | 第26-27页 |
| 3.2 基于向量投影的二叉树构造方法 | 第27-35页 |
| 3.2.1 向量投影法 | 第27-30页 |
| 3.2.2 向量投影法存在的问题和改进方法 | 第30-33页 |
| 3.2.3 基于向量投影法的二叉树构造方法 | 第33-35页 |
| 3.3 基于向量投影的二叉树构造方法仿真实验 | 第35-37页 |
| 3.3.1 仿真环境和数据集 | 第35-36页 |
| 3.3.2 实验结果及分析 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于 SMOTE 的平衡 BTSVM 多分类算法 | 第38-49页 |
| 4.1 引言 | 第38页 |
| 4.2 SMOTE 向上采样方法 | 第38-43页 |
| 4.2.1 SMOTE 方法概述 | 第38-39页 |
| 4.2.2 SMOTE 向上采样方法存在的问题和改进方法 | 第39-43页 |
| 4.3 基于 SMOTE 的平衡 BTSVM 多分类器算法描述 | 第43-44页 |
| 4.4 仿真实验 | 第44-48页 |
| 4.4.1 评价标准 | 第44-45页 |
| 4.4.2 基于 SMOTE 的平衡 BTSVM 多分类方法实验 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的学术论文 | 第54-55页 |
| 致谢 | 第55页 |
