| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-12页 |
| ·研究目的和意义 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 2 统计学习理论 | 第12-20页 |
| ·机器学习的基本知识 | 第12页 |
| ·机器学习问题表示 | 第12-13页 |
| ·学习过程一致性的条件 | 第13-17页 |
| ·V C 维 | 第14-15页 |
| ·推广性的界 | 第15-16页 |
| ·结构风险最小化原则 | 第16-17页 |
| ·最优化理论 | 第17-18页 |
| ·Wolfe 对偶 | 第18-20页 |
| 3 支持向量机理论 | 第20-27页 |
| ·线性可分情况 | 第20-23页 |
| ·线性不可分情况 | 第23-25页 |
| ·线性不可分情况举例 | 第25-27页 |
| 4 模糊支持向量机 | 第27-36页 |
| ·多类模糊支持向量机 | 第27-29页 |
| ·一般模糊支持向量机 | 第29-34页 |
| ·模糊支持向量机算法 | 第29-31页 |
| ·几种隶属度函数的确定方法 | 第31-32页 |
| ·基于线性规划一类分类的隶属函数确定方法 | 第32-34页 |
| ·实验结果及分析 | 第34-35页 |
| ·含野点样本的实验结果 | 第34-35页 |
| ·标准数据库的实验结果 | 第35页 |
| ·小结 | 第35-36页 |
| 5 总结与展望 | 第36-37页 |
| 参考文献 | 第37-38页 |
| 致谢 | 第38页 |