SVM算法研究及其在中医脏腑辨证中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题的研究现状及存在的问题 | 第8-11页 |
| ·支持向量机算法的理论研究 | 第8-10页 |
| ·支持向量机算法的应用及相关课题的研究 | 第10-11页 |
| ·论文研究的主要内容 | 第11-12页 |
| ·全文的组织结构 | 第12-13页 |
| ·小结 | 第13-14页 |
| 第2章 支持向量机算法 | 第14-29页 |
| ·统计学习理论主要内容介绍 | 第14-18页 |
| ·VC 维 | 第14-15页 |
| ·推广误差边界 | 第15-16页 |
| ·结构风险最小化归纳原理 | 第16-18页 |
| ·支持向量机算法的基本方法 | 第18-22页 |
| ·线性情况 | 第19-21页 |
| ·非线性情况 | 第21-22页 |
| ·各种变形的支持向量机算法 | 第22-28页 |
| ·C-SVM 算法及其变形算法系列 | 第22-24页 |
| ·v-SVM 算法及其变形算法系列 | 第24-25页 |
| ·One-class SVM 算法 | 第25-26页 |
| ·加权支持向量机算法 | 第26-27页 |
| ·LS-SVM 算法 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第3章 基于类中心和属性权重的二类SVM | 第29-34页 |
| ·现有二类分类支持向量机算法的不足 | 第29-30页 |
| ·基于类中心和属性权重的二类SVM | 第30-32页 |
| ·仿真实验 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第4章 基于类半径的多类分类SVM | 第34-40页 |
| ·现有的多类分类支持向量机算法 | 第34-37页 |
| ·基于类半径的多类分类支持向量机算法 | 第37-38页 |
| ·仿真实验 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第5章 新多类SVM 在中医脏腑辨证中的应用 | 第40-50页 |
| ·中医辨证的特点 | 第40-41页 |
| ·基于关联规则的约简算法 | 第41-47页 |
| ·关联规则简介 | 第42页 |
| ·布尔关联规则的基本概念 | 第42-43页 |
| ·病案事务数据库的设计 | 第43-44页 |
| ·症状与证候间的关联规则 | 第44-45页 |
| ·基于关联规则的约简算法 | 第45-47页 |
| ·新多类 SVM 及其在中医脏腑辨证中的应用 | 第47-49页 |
| ·传统中医辨证的不足及对策 | 第47页 |
| ·新多类SVM 及其在中医脏腑辨证中的应用 | 第47-49页 |
| ·小结 | 第49-50页 |
| 总结与展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间发表的论文 | 第58页 |
