| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 模糊支持向量机的研究现状 | 第11-12页 |
| 1.2.2 模糊隶属度函数的研究现状 | 第12-13页 |
| 1.3 本文的组织结构 | 第13-15页 |
| 第二章 支持向量机 | 第15-25页 |
| 2.1 预备知识 | 第15-18页 |
| 2.2 线性可分SVM分类机 | 第18-20页 |
| 2.3 线性SVM分类机 | 第20-22页 |
| 2.4 非线性SVM分类机 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 模糊支持向量机 | 第25-36页 |
| 3.1 预备知识 | 第25-29页 |
| 3.2 模糊线性可分FSVM | 第29-31页 |
| 3.3 近似模糊线性可分FSVM | 第31-33页 |
| 3.4 模糊非线性可分FSVM | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于与超平面距离的隶属度加权模糊支持向量机 | 第36-48页 |
| 4.1 基于与超平面距离的隶属度加权模糊支持向量机（IFM-WFSVM） | 第36-38页 |
| 4.2 模糊隶属度 | 第38页 |
| 4.3 平衡调节因子 | 第38-40页 |
| 4.4 人工数据集实验 | 第40-41页 |
| 4.4.1 线性可分的数据集 | 第40页 |
| 4.4.2 非线性可分的数据集 | 第40-41页 |
| 4.5 UCI数据集实验 | 第41-47页 |
| 4.5.1 参数对算法准确率Gm的影响 | 第42-43页 |
| 4.5.2 算法性能的比较 | 第43-46页 |
| 4.5.3 算法效率的比较 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 基于DP聚类的隶属度加权模糊支持向量机 | 第48-57页 |
| 5.1 DP聚类 | 第48-49页 |
| 5.2 基于DP聚类的隶属度的计算 | 第49-50页 |
| 5.3 基于DP聚类的隶属度加权模糊支持向量机（DP-WFSVM） | 第50页 |
| 5.4 人工数据集 | 第50-52页 |
| 5.4.1 线性可分的数据集 | 第51-52页 |
| 5.4.2 非线性可分的数据集 | 第52页 |
| 5.5 UCI数据集实验 | 第52-56页 |
| 5.5.1 决策图与 2D多维标度图 | 第53-55页 |
| 5.5.2 算法性能的比较 | 第55-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间参加的科研项目和成果 | 第64页 |
