| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·本文的研究背景及意义 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的主要内容 | 第13-14页 |
| 第2章 预备知识 | 第14-21页 |
| ·经典K-均值（KM）聚类算法 | 第14-15页 |
| ·模糊K-均值（FKM）聚类算法 | 第15-16页 |
| ·粗糙K-均值（RKM）聚类算法 | 第16-17页 |
| ·支持向量机理论 | 第17-21页 |
| ·线性可分支持向量机 | 第17-19页 |
| ·非线性支持向量机 | 第19-21页 |
| 第3章 基于粗糙模糊和模糊粗糙K-均值聚类的支持向量机 | 第21-30页 |
| ·粗糙模糊K-均值（RFKM）聚类算法的改进算法 | 第21-23页 |
| ·聚类中隶属函数的改进 | 第22-23页 |
| ·关于上近似限的讨论 | 第23页 |
| ·模糊粗糙K-均值（FRKM）聚类算法及聚类有效性 | 第23-25页 |
| ·模糊粗糙K-均值聚类算法 | 第23-25页 |
| ·聚类的有效性 | 第25页 |
| ·两种聚类算法的比较 | 第25-26页 |
| ·FRKM 聚类算法的程序实现 | 第26-28页 |
| ·实验结果与分析 | 第28-30页 |
| 第4章 基于粗糙模糊和模糊粗糙K-均值聚类的模糊支持向量机 | 第30-36页 |
| ·模糊支持向量机 | 第30-31页 |
| ·隶属度的确定 | 第31-34页 |
| ·实验结果与分析 | 第34-36页 |
| 第5章 结论与展望 | 第36-37页 |
| 参考文献 | 第37-40页 |
| 致谢 | 第40-41页 |
| 攻读学位期间取得的科研成果 | 第41页 |
