模糊支持向量机的研究及其在基因分类中的应用
| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·选题背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·模糊支持向量机研究现状 | 第9-11页 |
| ·基因分类的研究现状 | 第11-12页 |
| ·论文的研究内容与结构安排 | 第12-13页 |
| 第二章 模糊支持向量机理论概述 | 第13-22页 |
| ·支持向量机理论 | 第13-17页 |
| ·最优超平面和支持向量 | 第13-14页 |
| ·线性可分支持向量机 | 第14-16页 |
| ·非线性可分支持向量机 | 第16-17页 |
| ·常用的核函数 | 第17页 |
| ·模糊支持向量机 | 第17-21页 |
| ·模糊支持向量机的理论基础 | 第18-19页 |
| ·常用的隶属度解决方法 | 第19-21页 |
| ·小结 | 第21-22页 |
| 第三章 基于类内超平面的改进模糊支持向量机 | 第22-28页 |
| ·现有隶属度函数设计的缺陷 | 第22-23页 |
| ·新的隶属度设计 | 第23-25页 |
| ·实验结果与分析 | 第25-27页 |
| ·人工数据集 | 第25-26页 |
| ·UCI 标准数据集 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第四章 基于类向心度的模糊支持向量机 | 第28-35页 |
| ·基于类向心度的隶属度函数设计 | 第28-31页 |
| ·基于距离的隶属度函数 | 第28-29页 |
| ·样本紧密度的表示 | 第29-30页 |
| ·基于类向心度的隶属度函数 | 第30-31页 |
| ·实验结果与分析 | 第31-34页 |
| ·人工数据集 | 第31-32页 |
| ·UCI 标准数据集 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第五章 基于不平衡数据分类的模糊支持向量机 | 第35-42页 |
| ·不平衡数据分类面临的问题 | 第35-36页 |
| ·问题形成的原因 | 第35页 |
| ·不平衡数据分类面临的问题 | 第35-36页 |
| ·现有的分类方法 | 第36页 |
| ·基于不平衡数据分类的模糊支持向量机 | 第36-38页 |
| ·样本数量对模糊隶属度的影响 | 第36-38页 |
| ·类加权的隶属度函数 | 第38页 |
| ·实验结果与分析 | 第38-41页 |
| ·实验评价标准 | 第38-39页 |
| ·人工数据集 | 第39-40页 |
| ·UCI 标准数据集 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第六章 基于模糊支持向量机的基因分类 | 第42-51页 |
| ·基因分类问题描述 | 第42-43页 |
| ·基因分类模型 | 第43-44页 |
| ·基于 FSVM 模型的基因分类 | 第44-47页 |
| ·数据预处理 | 第44页 |
| ·基因筛选 | 第44-45页 |
| ·信噪比 | 第44页 |
| ·Bhattacharyya 距离 | 第44-45页 |
| ·特征基因的选择 | 第45-46页 |
| ·评价函数 | 第45页 |
| ·顺序向前浮动搜索算法 | 第45-46页 |
| ·分类器选择 | 第46-47页 |
| ·实验结果与分析 | 第47-50页 |
| ·实验数据及来源 | 第47页 |
| ·实验结果 | 第47-50页 |
| ·小结 | 第50-51页 |
| 第七章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文及获奖情况 | 第56页 |
