| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-30页 |
| ·研究背景 | 第12-18页 |
| ·支持向量机 | 第18-22页 |
| ·支持向量机的研究现状 | 第22-28页 |
| ·论文的研究目的、意义和主要内容 | 第28页 |
| ·全文内容安排 | 第28-30页 |
| 第二章 不平衡支持向量机的调整方法 | 第30-44页 |
| ·不平衡支持向量机的研究现状 | 第30-31页 |
| ·类惩罚代价不同的不平衡支持向量机 | 第31-33页 |
| ·精确度的评价方法 | 第33-34页 |
| ·特征提取平衡算法（FEBM） | 第34-42页 |
| ·本章小结 | 第42-44页 |
| 第三章 基于距离的减样方法 | 第44-58页 |
| ·减样问题 | 第44-45页 |
| ·理论知识 | 第45-46页 |
| ·基于欧氏距离的减样方法（EDDM） | 第46-52页 |
| ·基于距离性核函数的减样方法（KDDM） | 第52-54页 |
| ·比较 | 第54页 |
| ·本章小结 | 第54-58页 |
| 第四章 基于支持向量域描述的分离超平面 | 第58-70页 |
| ·问题背景 | 第58-59页 |
| ·支持向量域描述（SVDD） | 第59-62页 |
| ·支持向量域分离超平面（SVDSH） | 第62-67页 |
| ·实验 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第五章 基于 SVDD 的核心向量集及其在 SVM 中的应用 | 第70-86页 |
| ·问题背景 | 第70-71页 |
| ·基于 SVDD 的核心向量集 | 第71-74页 |
| ·Parzen 窗密度简介 | 第74-75页 |
| ·核心向量的性能 | 第75-77页 |
| ·实验 | 第77-78页 |
| ·核心向量的应用 | 第78-83页 |
| ·本章小结 | 第83-86页 |
| 第六章 SVDD 算法在不确定型群决策中的应用 | 第86-100页 |
| ·不确定型群决策的现状和问题 | 第86-87页 |
| ·AHP 的基本概念 | 第87-89页 |
| ·逆判问题的研究 | 第89-99页 |
| ·本章小结 | 第99-100页 |
| 结束语 | 第100-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-114页 |
| 攻读博士学位期间的研究成果 | 第114-116页 |
| 附录 | 第116-117页 |