模糊支持向量机的研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-11页 |
| ·研究背景及意义 | 第9-10页 |
| ·论文的研究内容和结构安排 | 第10-11页 |
| ·研究内容 | 第10页 |
| ·结构安排 | 第10-11页 |
| 2 支持向量机与统计学习理论 | 第11-23页 |
| ·统计学习理论的核心内容 | 第11-13页 |
| ·经验风险 | 第11-12页 |
| ·VC 维 | 第12页 |
| ·结构风险 | 第12-13页 |
| ·支持向量机理论 | 第13-18页 |
| ·最优分类超平面 | 第13-14页 |
| ·线性可分情况的最优超平面 | 第14-16页 |
| ·线性不可分情况的最优超平面 | 第16-17页 |
| ·非线性情况及核函数 | 第17-18页 |
| ·基于支持向量机的多类分类 | 第18-23页 |
| ·one-against-rest 方法 | 第18-19页 |
| ·one-against-one 方法 | 第19-20页 |
| ·有向无环图法（DAGSVM） | 第20-21页 |
| ·基于一类分类的多类分类算法 | 第21-23页 |
| 3 模糊支持向量机 | 第23-34页 |
| ·模糊集的概念 | 第24页 |
| ·模糊支持向量机 | 第24-27页 |
| ·模糊隶属度的选择 | 第27-29页 |
| ·基于距离确定隶属度函数 | 第27页 |
| ·基于S 型函数确定隶属度 | 第27-28页 |
| ·基于KNN 确定隶属度 | 第28-29页 |
| ·基于去边缘数据的模糊支持向量机 | 第29-32页 |
| ·UCI 数据库实验结果 | 第32-34页 |
| 4 总结与展望 | 第34-35页 |
| 参考文献 | 第35-37页 |
| 攻读硕士学位期间发表学术论文情况 | 第37-38页 |
| 致谢 | 第38页 |
