| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·国内外研究现状 | 第8-9页 |
| ·选题背景及意义 | 第9页 |
| ·本文的研究内容和安排 | 第9-11页 |
| 2 最小二乘支持向量分类机理论 | 第11-26页 |
| ·核函数 | 第11-13页 |
| ·支持向量分类机 | 第13-16页 |
| ·最小二乘支持向量分类机 | 第16-18页 |
| ·稀疏最小二乘支持向量分类机 | 第18-19页 |
| ·模糊最小二乘支持向量分类机 | 第19-24页 |
| ·经典多分类算法 | 第19-21页 |
| ·FLS-SVM 多分类算法 | 第21-23页 |
| ·FLS-SVM 训练算法 | 第23-24页 |
| ·交叉验证参数优化法 | 第24-25页 |
| ·小结 | 第25-26页 |
| 3 LS-SVM 在基准分类数据集中的应用 | 第26-43页 |
| ·分类算法的评价指标 | 第26-27页 |
| ·分类器的分类精度 | 第26页 |
| ·ROC 曲线 | 第26-27页 |
| ·SLS-SVM 在基准二分类数据集中的应用 | 第27-36页 |
| ·SLS-SVM 在双螺旋线数据集中的应用 | 第27-31页 |
| ·SLS-SVM 在 ripley 数据集中的应用 | 第31-33页 |
| ·SLS-SVM 在 SPECT 图像数据集中的应用 | 第33-36页 |
| ·FLS-SVM 在基准多分类数据集中的应用 | 第36-42页 |
| ·FLS-SVM 在 wine 数据集中的应用 | 第36-38页 |
| ·FLS-SVM 在 Iris 数据集中的应用 | 第38-39页 |
| ·FLS-SVM 在 Balance-scale 数据集中的应用 | 第39-41页 |
| ·FLS-SVM 在 Car 数据集中的应用 | 第41-42页 |
| ·小结 | 第42-43页 |
| 4 改进 LS-SVM 在生物医学中的应用研究 | 第43-52页 |
| ·SLS-SVM 在心电图信号识别中的应用研究 | 第43-49页 |
| ·数据的选取和预处理 | 第44-46页 |
| ·基于不同核函数的 SLS-SVM 的分类比较实验 | 第46-47页 |
| ·SLS-SVM 与 SVM、LS-SVM 的分类比较实验 | 第47-49页 |
| ·FLS-SVM 在脑电图信号识别中的应用研究 | 第49-51页 |
| ·数据的选取和预处理 | 第49页 |
| ·基于不同核函数的 FLS-SVM 的分类比较实验 | 第49-50页 |
| ·FLS-SVM 与经典多分类算法的分类比较实验 | 第50-51页 |
| ·小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |
