| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文主要内容 | 第10页 |
| 1.4 本文结构安排 | 第10-12页 |
| 第二章 支持向量机 | 第12-22页 |
| 2.1 最优分类超平面 | 第12-14页 |
| 2.2 SVM分类原理 | 第14-18页 |
| 2.3 SVM核函数 | 第18-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 基于随机特征子空间及加权核函数的SVM算法（RFSWK-SVM） | 第22-33页 |
| 3.1 RFSWK-SVM算法的相关理论 | 第22-27页 |
| 3.1.1 随机子空间 | 第22-23页 |
| 3.1.2 特征选择 | 第23-27页 |
| 3.2 RFSWK-SVM算法思想 | 第27-30页 |
| 3.3 实验结果及分析 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于支持向量机的不平衡样本集分类算法（IDC-SVM） | 第33-42页 |
| 4.1 不平衡数据集的概述 | 第33-36页 |
| 4.2 IDC-SVM算法的相关理论 | 第36-39页 |
| 4.3 IDC-SVM算法思想 | 第39-40页 |
| 4.4 实验结果及分析 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-44页 |
| 5.1 总结 | 第42-43页 |
| 5.2 展望 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 作者简介及学期间所取得的科研成果 | 第48-49页 |
| 致谢 | 第49页 |