| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-24页 |
| ·选题背景及意义 | 第11-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·支持向量机研究现状 | 第13-15页 |
| ·模糊支持向量机研究现状 | 第15-16页 |
| ·研究内容与目标 | 第16-19页 |
| ·研究框架与技术路线 | 第19-22页 |
| ·主要创新点 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 2 模糊支持向量机及未确知性基础理论 | 第24-39页 |
| ·支持向量机理论 | 第24-33页 |
| ·统计学习理论基础 | 第24-27页 |
| ·支持向量机理论 | 第27-33页 |
| ·未确知性理论 | 第33-35页 |
| ·未确知性因素和实质 | 第33-34页 |
| ·模糊集理论 | 第34-35页 |
| ·模糊支持向量机 | 第35-38页 |
| ·模糊可分支持向量机 | 第35-36页 |
| ·模糊回归支持向量机 | 第36-37页 |
| ·模糊隶属度 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 3 基于未确知信息预处理的 FSVM 算法优化 | 第39-53页 |
| ·未确知输入信息对于 FSVM 算法的影响 | 第39-40页 |
| ·面向未确知信息预处理的模糊数改进 | 第40-43页 |
| ·标准模糊数及其性质 | 第40-41页 |
| ·面向未确知信息处理的模糊数改进 | 第41-43页 |
| ·基于模糊数改进的 FSVM 算法构建 | 第43-46页 |
| ·算法仿真数据验证 | 第46-48页 |
| ·算法应用实例 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 4 基于映射改进的模糊核函数构建与 FSVM 算法优化 | 第53-76页 |
| ·空间映射改进的必要性 | 第53-54页 |
| ·模糊集相似性度量 | 第54-57页 |
| ·模糊集距离 | 第55-56页 |
| ·模糊集相似度 | 第56-57页 |
| ·空间映射、相似度测量和核函数之间的关系 | 第57-60页 |
| ·相似测量与核函数 | 第57-58页 |
| ·核函数和模糊核函数之间的关系 | 第58-60页 |
| ·模糊相似核函数构建与 FSVM 算法优化 | 第60-67页 |
| ·未确知特征信息的模糊相似性度量 | 第60-66页 |
| ·模糊相似核函数构建 | 第66-67页 |
| ·基于模糊相似核函数的 FSVM 算法优化 | 第67页 |
| ·算法仿真数据验证 | 第67-70页 |
| ·算法应用实例 | 第70-75页 |
| ·本章小结 | 第75-76页 |
| 5 UFSVM 算法模型关键参数选取和优化 | 第76-93页 |
| ·粒子群优化算法 | 第76-78页 |
| ·算法基本原理 | 第76-78页 |
| ·基于 PSO 的 UFSVM 参数优化算法流程 | 第78页 |
| ·基于 PSO 的参数优化算法不足 | 第78页 |
| ·遗传优化算法 | 第78-84页 |
| ·GA 算法基本原理 | 第79-80页 |
| ·GA 算法基本操作 | 第80-82页 |
| ·基于 GA 的 UFSVM 参数优化算法流程 | 第82-83页 |
| ·基于 GA 的参数优化算法不足 | 第83-84页 |
| ·自适应 PSO-GA 参数优选方法 | 第84-87页 |
| ·算法基本思路 | 第84-85页 |
| ·算法步骤 | 第85-87页 |
| ·算法验证实验 | 第87-92页 |
| ·本章小结 | 第92-93页 |
| 6 结论与展望 | 第93-96页 |
| ·论文的主要工作 | 第93-94页 |
| ·未来工作展望 | 第94-96页 |
| 参考文献 | 第96-110页 |
| 致谢 | 第110-111页 |
| 攻读博士学位期间的研究成果 | 第111-112页 |