| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 引言 | 第9-11页 |
| 第1章 数据挖掘与分类技术 | 第11-21页 |
| ·数据挖掘定义 | 第11-12页 |
| ·数据挖掘任务及功能 | 第12-13页 |
| ·数据挖掘过程 | 第13-15页 |
| ·分类算法综述 | 第15-19页 |
| ·分类模型性能的评估 | 第19-21页 |
| 第2章 统计学习理论与支持向量机 | 第21-34页 |
| ·机器学习的基本问题 | 第21-22页 |
| ·经验风险最小化 | 第22页 |
| ·复杂性与推广能力 | 第22-23页 |
| ·统计学习理论的核心内容 | 第23-26页 |
| ·最优分类超平面 | 第26-28页 |
| ·分类支持向量机 | 第28-31页 |
| ·核函数 | 第31-34页 |
| 第3章 基于支持向量机的分类挖掘算法 | 第34-45页 |
| ·支持向量机训练算法 | 第34-39页 |
| ·多分类支持向量机 | 第39-41页 |
| ·基于网格搜索的支持向量机参数优化方法 | 第41-43页 |
| ·基于网格搜索的SVM 模型的训练及实验结果分析 | 第43-45页 |
| 第4章 基于SVM 分类算法的水费欠费用户预测系统 | 第45-54页 |
| ·项目背景与业务分析 | 第45-46页 |
| ·欠费用户模式特征选取及实际资料处理 | 第46-49页 |
| ·用于欠费用户预测的SVM 模型 | 第49-50页 |
| ·基于SVM 分类算法的水费欠费用户预测系统的设计与实现 | 第50-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 发表的文章目录 | 第58-59页 |
| 致谢 | 第59-60页 |
| 详细摘要 | 第60-64页 |