| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景与意义 | 第9-10页 |
| ·研究的背景 | 第9页 |
| ·研究的意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·模糊支持向量机模型的研究现状 | 第10-11页 |
| ·隶属度确定方法的研究现状 | 第11-12页 |
| ·支持向量机样本选择方法的研究现状 | 第12-13页 |
| ·研究内容和组织结构 | 第13-16页 |
| ·主要研究内容 | 第13-14页 |
| ·组织结构 | 第14-16页 |
| 第2章 模糊支持向量机及其理论基础 | 第16-35页 |
| ·支持向量机理论 | 第16-26页 |
| ·统计学习理论 | 第16-19页 |
| ·支持向量机 | 第19-26页 |
| ·不确定性理论 | 第26-30页 |
| ·模糊集 | 第26-28页 |
| ·阴影集 | 第28-30页 |
| ·模糊集与阴影集的关系 | 第30页 |
| ·模糊支持向量机 | 第30-34页 |
| ·数学模型 | 第31页 |
| ·隶属度的确定 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 可信的基于紧密度的隶属度确定方法 | 第35-44页 |
| ·基于紧密度的隶属度确定方法中存在的问题 | 第35-38页 |
| ·最小超球偏离实际位置 | 第35-36页 |
| ·隶属度函数的变化趋势与预期不符 | 第36-37页 |
| ·忽视异类样本对模糊隶属度的影响 | 第37-38页 |
| ·支持向量数据描述及其改进 | 第38-39页 |
| ·数学模型 | 第38-39页 |
| ·去野值的支持向量数据描述方法 | 第39页 |
| ·类内隶属度函数 | 第39-42页 |
| ·类内隶属度函数性质分析 | 第39-40页 |
| ·新的类内隶属度计算公式 | 第40-42页 |
| ·可信的隶属度 | 第42-43页 |
| ·隶属度可信的描述 | 第42-43页 |
| ·可信的隶属度计算 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于阴影集的模糊支持向量机样本选择方法 | 第44-54页 |
| ·传统支持向量机与模糊支持向量机样本选择方法的比较 | 第44-45页 |
| ·基于阴影集的模糊支持向量机样本选择方法 | 第45-53页 |
| ·基于阴影集的数据划分 | 第45-46页 |
| ·划分阈值的确定 | 第46-49页 |
| ·可信任数据的样本选择方法 | 第49-53页 |
| ·不确定数据的样本选择方法 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第5章 实验与分析 | 第54-63页 |
| ·实验环境及实验数据介绍 | 第54-55页 |
| ·实验环境介绍 | 第54页 |
| ·实验数据说明 | 第54-55页 |
| ·隶属度确定方法的实验验证 | 第55-58页 |
| ·实验一：仿真数据集实验 | 第55-57页 |
| ·实验二：标准数据集实验 | 第57-58页 |
| ·样本选择方法的实验验证 | 第58-62页 |
| ·实验一：仿真数据集实验 | 第58-60页 |
| ·实验二：标准数据集实验 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读期成果 | 第68-70页 |
| 致谢 | 第70页 |