| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 支持向量机 | 第15-17页 |
| 1.2.2 支持向量数据描述 | 第17-19页 |
| 1.2.3 极限学习机 | 第19-20页 |
| 1.3 论文内容及章节安排 | 第20-22页 |
| 第二章 数据描述概述 | 第22-40页 |
| 2.1 引言 | 第22页 |
| 2.2 支持向量机概述 | 第22-26页 |
| 2.3 支持向量数据描述概述 | 第26-31页 |
| 2.3.1 基于正常样本的支持向量数据描述思想 | 第26-29页 |
| 2.3.2 基于异常样本的支持向量数据描述思想 | 第29-31页 |
| 2.4 极限学习机概述 | 第31-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第三章 极限学习特征空间的支持向量数据描述 | 第40-52页 |
| 3.1 引言 | 第40页 |
| 3.2 极限学习特征空间的支持向量数据描述算法分析 | 第40-44页 |
| 3.2.1 数据的极限学习特征映射 | 第40-42页 |
| 3.2.2 极限学习特征空间的支持向量数据描述 | 第42-44页 |
| 3.3 仿真实验与分析 | 第44-50页 |
| 3.3.1 原始数据的支持向量数据描述 | 第45-46页 |
| 3.3.2 原始数据的极限学习机 | 第46-47页 |
| 3.3.3 数据极限学习特征空间的支持向量数据描述 | 第47-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 多分类支持向量数据描述 | 第52-70页 |
| 4.1 引言 | 第52页 |
| 4.2 多分类支持向量数据描述算法 | 第52-54页 |
| 4.3 改进的多分类支持向量数据描述算法 | 第54-59页 |
| 4.3.1 数据映射到极限学习特征空间 | 第54-55页 |
| 4.3.2 不确定类样本的硬划分 | 第55-57页 |
| 4.3.3 不确定类样本的软划分 | 第57-58页 |
| 4.3.4 扩大划分超球体半径 | 第58-59页 |
| 4.3.5 分类结果的平均可信概率 | 第59页 |
| 4.4 仿真实验与分析 | 第59-68页 |
| 4.4.1 映射输入数据的分类 | 第60-61页 |
| 4.4.2 消除不确定率的分类 | 第61-63页 |
| 4.4.3 减小不确定率的分类 | 第63-65页 |
| 4.4.4 增大半径的分类 | 第65-67页 |
| 4.4.5 平均可信概率的计算 | 第67-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 全文总结 | 第70页 |
| 5.2 工作展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |