基于双隶属度判定的模糊支持向量机方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·课题背景及研究的目的和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·支持向量机研究现状 | 第8-10页 |
| ·模糊支持向量机研究现状 | 第10-11页 |
| ·本文的主要研究内容 | 第11-12页 |
| 第2章 数学理论基础 | 第12-18页 |
| ·凸规划问题 | 第12-13页 |
| ·LAGRANGIAN对偶理论 | 第13-16页 |
| ·原问题与对偶问题 | 第13-15页 |
| ·Lagrangian对偶理论 | 第15-16页 |
| ·模糊集理论简介 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第3章 支持向量机及其理论基础 | 第18-35页 |
| ·统计学习理论简介 | 第18-24页 |
| ·学习问题的表示 | 第18-19页 |
| ·学习过程的一致性理论 | 第19-20页 |
| ·VC维 | 第20-21页 |
| ·推广能力的界 | 第21-22页 |
| ·结构风险最小化理论 | 第22-24页 |
| ·最优分类超平面 | 第24-25页 |
| ·支持向量分类机 | 第25-34页 |
| ·线性可分支持向量分类机 | 第25-28页 |
| ·线性软间隔支持向量分类机 | 第28-30页 |
| ·非线性支持向量分类机 | 第30-33页 |
| ·核方法简介 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于双隶属度判定的模糊支持向量机 | 第35-55页 |
| ·几种常用的隶属度确定方法 | 第35-36页 |
| ·样本集合紧密度的确定方法 | 第36-43页 |
| ·样本紧密度定义 | 第37-39页 |
| ·样本集合最优半径的求解算法 | 第39-43页 |
| ·基于紧密度的双向隶属度确定方法 | 第43-48页 |
| ·算法一:二段函数模型 | 第43-45页 |
| ·算法二:三段函数模型 | 第45-48页 |
| ·基于双向隶属度构造FSVM模型 | 第48-54页 |
| ·传统FSVM模型及其对偶形式的推导 | 第48-51页 |
| ·基于最大双向隶属度的FSVM模型 | 第51-52页 |
| ·基于重设训练样本集合的FSVM模型 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 实验结果及分析 | 第55-63页 |
| ·人工数据集合的产生和说明 | 第55-56页 |
| ·对比试验组1:两类样本干扰性较小时 | 第56-59页 |
| ·对比试验组2:两类样本干扰性较大时 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 致谢 | 第71页 |
