| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 发展历史及研究现状 | 第12-13页 |
| 1.3 本文的主要工作与全文结构 | 第13-15页 |
| 2 统计学习理论与支持向量机 | 第15-27页 |
| 2.1 机器学习 | 第15-16页 |
| 2.2 统计学习理论 | 第16-18页 |
| 2.3 支持向量机原理 | 第18-24页 |
| 2.4 模糊支持向量机 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 3 BT-FSVMs树形结构构造的优化 | 第27-36页 |
| 3.1 多类分类支持向量机 | 第27-30页 |
| 3.2 基于k-means聚类算法的树形结构构造 | 第30-32页 |
| 3.3 数值实验 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 BT-FSVMs隶属度函数的优化 | 第36-43页 |
| 4.1 BT-FSVMs的隶属度函数 | 第36-37页 |
| 4.2 基于相关系数的隶属度函数 | 第37-38页 |
| 4.3 数值实验 | 第38-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 总结与展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 攻读硕士期间主要研究成果 | 第50页 |