| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-19页 |
| ·不确定支持向量机的研究背景 | 第12-13页 |
| ·不确定支持向量机的研究现状 | 第13-17页 |
| ·本文主要内容 | 第17-19页 |
| 第2章 支持向量机及其理论基础 | 第19-37页 |
| ·机器学习基本问题和方法 | 第19-22页 |
| ·机器学习基本问题 | 第19-21页 |
| ·经验风险最小化原则 | 第21-22页 |
| ·支持向量机的理论基础 | 第22-28页 |
| ·经验风险最小化原则的一致性条件 | 第22-24页 |
| ·学习机器推广能力的界 | 第24-27页 |
| ·结构风险最小化原则 | 第27-28页 |
| ·支持向量机 | 第28-33页 |
| ·最大间隔分类器 | 第28-30页 |
| ·软间隔优化 | 第30-31页 |
| ·核函数 | 第31-33页 |
| ·一般算法 | 第33页 |
| ·多类支持向量机 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于直觉模糊数的支持向量机和多类支持向量机 | 第37-51页 |
| ·引言 | 第37-38页 |
| ·直觉模糊集 | 第38-39页 |
| ·基于直觉模糊数的支持向量机 | 第39-46页 |
| ·训练样本的直觉模糊数 | 第39-43页 |
| ·算法 | 第43-44页 |
| ·数值实验 | 第44-46页 |
| ·基于直觉模糊数的多类支持向量机 | 第46-50页 |
| ·算法 | 第46-47页 |
| ·数值实验 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于随机集输入样本的支持向量机和多类支持向量机 | 第51-63页 |
| ·引言 | 第51-52页 |
| ·随机集 | 第52-53页 |
| ·基于随机集输入样本的支持向量机 | 第53-59页 |
| ·基于随机集输入样本的两类问题 | 第53-55页 |
| ·算法 | 第55-57页 |
| ·数值实验 | 第57-59页 |
| ·基于随机集输入样本的多类支持向量机 | 第59-62页 |
| ·基于随机集输入样本的多类问题 | 第59-60页 |
| ·算法 | 第60-61页 |
| ·数值实验 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 基于不确定输出样本的支持向量机 | 第63-95页 |
| ·引言 | 第63-65页 |
| ·可信性空间上基于模糊输出样本的支持向量机 | 第65-85页 |
| ·可信性空间 | 第65-71页 |
| ·可信性空间上基于模糊输出样本的分类问题 | 第71-76页 |
| ·可信性空间上基于三角模糊输出样本的支持向量机 | 第76-83页 |
| ·可信性空间上基于矩形模糊输出样本的支持向量机 | 第83-84页 |
| ·可信性空间上基于梯形模糊输出样本的支持向量机 | 第84-85页 |
| ·不确定空间上基于不确定性输出样本的支持向量机 | 第85-94页 |
| ·不确定空间 | 第85-88页 |
| ·算法 | 第88-94页 |
| ·本章小结 | 第94-95页 |
| 第6章 两类不确定支持向量机在人脸识别中的应用 | 第95-104页 |
| ·引言 | 第95-96页 |
| ·基于直觉模糊数的支持向量机在人脸识别中的应用 | 第96-101页 |
| ·人脸数据库 | 第96-98页 |
| ·主成分分析法 | 第98-100页 |
| ·实验 | 第100-101页 |
| ·基于随机集输入样本的支持向量机在人脸识别中的应用 | 第101-103页 |
| ·二维主成分分析法 | 第101-102页 |
| ·实验 | 第102-103页 |
| ·本章小结 | 第103-104页 |
| 第7章 结论与展望 | 第104-107页 |
| ·本文主要结论 | 第104-105页 |
| ·未来工作展望 | 第105-107页 |
| 参考文献 | 第107-113页 |
| 致谢 | 第113-114页 |
| 攻读博士期间科研工作情况 | 第114页 |
