| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-14页 |
| 1.3 本文主要工作 | 第14-16页 |
| 第2章 理论基础 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 支持向量机分类理论 | 第16-22页 |
| 2.2.1 线性支持向量机：可分情况 | 第16-18页 |
| 2.2.2 线性支持向量机：不可分情况 | 第18-19页 |
| 2.2.3 非线性支持向量机 | 第19-21页 |
| 2.2.4 支持向量机分类研究现状 | 第21-22页 |
| 2.3 支持向量机回归理论 | 第22-23页 |
| 2.4 支持向量聚类简介 | 第23-25页 |
| 2.4.1 选取支持向量 | 第23-24页 |
| 2.4.2 标记支持向量 | 第24-25页 |
| 2.4.3 支持向量机分类与支持向量聚类的关系 | 第25页 |
| 2.5 FCM聚类算法 | 第25-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 基于模糊粗糙集的支持向量选取策略 | 第29-48页 |
| 3.1 引言 | 第29页 |
| 3.2 支持向量关键因素分析 | 第29-32页 |
| 3.2.1 核函数参数 | 第29-31页 |
| 3.2.2 惩罚参数C | 第31-32页 |
| 3.3 支持向量聚类存在的问题 | 第32-34页 |
| 3.4 基于kNN连通度的支持向量选取策略 | 第34-37页 |
| 3.4.1 kNN连通度 | 第34-36页 |
| 3.4.2 SVSSKNNC效果分析 | 第36-37页 |
| 3.5 基于模糊粗糙集的支持向量选取策略 | 第37-44页 |
| 3.5.1 粗糙集基本概念简介 | 第37-38页 |
| 3.5.2 模糊集基本概念简介 | 第38-40页 |
| 3.5.3 模糊粗糙集基本概念简介 | 第40-42页 |
| 3.5.4 基于模糊粗糙集的支持向量选取策略(SVSSFRS) | 第42-44页 |
| 3.6 仿真实验与分析 | 第44-46页 |
| 3.6.1 SVSSFRS效果分析 | 第44-46页 |
| 3.6.2 惩罚参数分析 | 第46页 |
| 3.7 本章小结 | 第46-48页 |
| 第4章 基于支持向量的高维数据聚类方法 | 第48-65页 |
| 4.1 引言 | 第48页 |
| 4.2 现有支持向量标记方法 | 第48-50页 |
| 4.3 改进的谱聚类标记方法(MSCLM) | 第50-54页 |
| 4.3.1 MSCLM | 第50-53页 |
| 4.3.2 MSCLM效果分析 | 第53-54页 |
| 4.4 新的支持向量标记方法(NLM) | 第54-58页 |
| 4.4.1 支持向量在高维特征空间中的分布 | 第54-57页 |
| 4.4.2 NLM | 第57-58页 |
| 4.4.3 NLM效果分析 | 第58页 |
| 4.5 聚类性能评价指标 | 第58-59页 |
| 4.6 仿真实验与分析 | 第59-64页 |
| 4.6.1 性能分析 | 第60-62页 |
| 4.6.2 对比实验 | 第62-63页 |
| 4.6.3 时间复杂度分析 | 第63-64页 |
| 4.7 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第73-75页 |
| 致谢 | 第75页 |