| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题背景与意义 | 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10-12页 |
| 第二章 统计学习理论与支持向量数据描述 | 第12-18页 |
| 2.1 统计学习理论 | 第12-13页 |
| 2.1.1 学习问题的模型 | 第12-13页 |
| 2.1.2 统计学习理论 | 第13页 |
| 2.2 支持向量机算法 | 第13-16页 |
| 2.3 支持向量数据描述算法 | 第16-18页 |
| 2.3.1 支持向量数据描述概述 | 第16-17页 |
| 2.3.2 支持向量数据描述(SVDD) | 第17-18页 |
| 第三章 密度诱导支持向量数据描述 T 值分析 | 第18-32页 |
| 3.1 密度诱导支持向量数据描述算法 | 第18-20页 |
| 3.1.1 样本相对密度 | 第18-19页 |
| 3.1.2 密度诱导支持向量数据描述 | 第19-20页 |
| 3.2 参数 T 的分析 | 第20-21页 |
| 3.3 实验分析 | 第21-31页 |
| 3.3.1 人工数据集 | 第22-26页 |
| 3.3.2 UCI 数据集 | 第26-31页 |
| 3.4 总结 | 第31-32页 |
| 第四章 基于异常样本的相对密度惩罚 SVDD 算法 | 第32-41页 |
| 4.1 密度惩罚支持向量数据描述方法 | 第32-33页 |
| 4.2 基于密度惩罚和负类样本支持向量数据描述算法 | 第33-35页 |
| 4.3 实验分析 | 第35-40页 |
| 4.3.1 人工数据集 | 第35-36页 |
| 4.3.2 UCI 数据集 | 第36-40页 |
| 4.4 总结 | 第40-41页 |
| 第五章 基于相对密度模糊支持向量数据描述 | 第41-50页 |
| 5.1 基于相对密度的模糊隶属度函数 | 第41-42页 |
| 5.2 模糊支持向量数据描述算法 | 第42-44页 |
| 5.3 实验分析 | 第44-49页 |
| 5.3.1 人工数据集 | 第44-45页 |
| 5.3.2 UCI 数据集 | 第45-49页 |
| 5.4 总结 | 第49-50页 |
| 第六章 总结和展望 | 第50-53页 |
| 参考文献 | 第53-59页 |
| 攻读硕士学位期间主要研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |