| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·课题来源 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·支持向量机的研究现状 | 第9页 |
| ·聚类算法的研究现状 | 第9-10页 |
| ·本文研究的主要内容 | 第10-12页 |
| 第2章 支持向量机及其反问题 | 第12-19页 |
| ·支持向量机(SVM) | 第12-17页 |
| ·标准支持向量机 | 第12-16页 |
| ·线性SVM | 第12-14页 |
| ·非线性SVM | 第14-16页 |
| ·多分类支持向量机 | 第16-17页 |
| ·支持向量机反问题 | 第17-19页 |
| 第3章 聚类算法 | 第19-32页 |
| ·数据挖掘概述 | 第19-20页 |
| ·聚类分析概述 | 第20-21页 |
| ·主要聚类方法的分类 | 第21-28页 |
| ·划分的方法(Partition Method) | 第21-24页 |
| ·层次的方法(Hierarchical Method) | 第24-25页 |
| ·基于密度算法(Density-based Method) | 第25-26页 |
| ·基于网格的方法(Grid-based Method) | 第26-27页 |
| ·基于模型的方法(Model-based Method) | 第27-28页 |
| ·核聚类算法的描述 | 第28-32页 |
| ·核函数映射 | 第28页 |
| ·Mercer核 | 第28-30页 |
| ·核聚类算法 | 第30-32页 |
| 第4章 基于聚类的支持向量机反问题解法 | 第32-38页 |
| ·算法描述 | 第32-34页 |
| ·仿真实验 | 第34-38页 |
| 第5章 结论与展望 | 第38-39页 |
| 参考文献 | 第39-41页 |
| 攻读硕士学位期间发表论文情况 | 第41-42页 |
| 致谢 | 第42页 |
