| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·引言 | 第11-12页 |
| ·国内外发展现状 | 第12-14页 |
| ·支持向量机的发展进程 | 第12-13页 |
| ·聚类分析技术的发展进程 | 第13-14页 |
| ·选题背景 | 第14-15页 |
| ·本文的主要工作及论文组织结构 | 第15-17页 |
| ·本文的主要工作 | 第15页 |
| ·论文的组织结构 | 第15-17页 |
| 第2章 支持向量机 | 第17-26页 |
| ·统计学习理论 | 第17-20页 |
| ·VC 维理论 | 第17-18页 |
| ·结构风险最小化归纳原则 | 第18-20页 |
| ·支持向量机基本原理 | 第20-25页 |
| ·线性支持向量机 | 第21-23页 |
| ·非线性支持向量机 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 PSOP-AP 聚类算法 | 第26-38页 |
| ·AP 聚类算法 | 第26-30页 |
| ·AP 算法产生的由来 | 第26页 |
| ·AP 聚类算法 | 第26-28页 |
| ·AP 算法的特点 | 第28-29页 |
| ·AP 算法的应用 | 第29-30页 |
| ·PSOP 算法--寻找 AP 聚类的最优偏向参数 | 第30-33页 |
| ·PSOP 算法的理论依据 | 第30-32页 |
| ·PSOP 算法 | 第32-33页 |
| ·PSOP-AP 算法的实验结果及对比分析 | 第33-36页 |
| ·人工模拟数据集 | 第34-35页 |
| ·真实数据集 | 第35-36页 |
| ·实验总结 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第4章 基于 AP 和 SVM 算法的融合研究与应用 | 第38-48页 |
| ·AP-SVM 分类器 | 第38-41页 |
| ·算法的思想 | 第38-39页 |
| ·算法的设计 | 第39-41页 |
| ·实验结果和分析 | 第41-44页 |
| ·实验数据集 | 第41页 |
| ·实验结果及分析 | 第41-44页 |
| ·在心脏病预测中的应用 | 第44-46页 |
| ·应用的意义 | 第44页 |
| ·实验数据 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第5章 总结与展望 | 第48-50页 |
| ·本文总结 | 第48页 |
| ·工作展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 作者简介及在学期间所取得的科研成果 | 第53-54页 |
| 致谢 | 第54页 |