| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·支持向量机的研究现状 | 第10-15页 |
| ·FCM 算法的研究现状 | 第15-17页 |
| 第2章 模糊聚类算法 | 第17-21页 |
| ·传统的FCM 算法 | 第17-18页 |
| ·带有权重的FCM 算法 | 第18-19页 |
| ·PCM 算法 | 第19-21页 |
| 第3章 支持向量机算法 | 第21-29页 |
| ·最优分类面 | 第21-23页 |
| ·线性可分支持向量机 | 第23-25页 |
| ·线性不可分支持向量机 | 第25-26页 |
| ·非线性支持向量机 | 第26-29页 |
| 第4章 最短路径算法 | 第29-33页 |
| ·单源最短路径：Dijkstra 算法 | 第29-30页 |
| ·算法基本思想 | 第29-30页 |
| ·算法的具体描述 | 第30页 |
| ·任意一对顶点之间的最短路算法： Floyd 算法 | 第30-33页 |
| ·算法的基本思想 | 第30页 |
| ·算法基本原理 | 第30-31页 |
| ·Floyd 算法实现的基本步骤 | 第31-33页 |
| 第5章 样本的稀疏化 | 第33-37页 |
| ·基于贴近度的样本的稀疏化 | 第33-35页 |
| ·贴近度的定义 | 第33-34页 |
| ·样本的稀疏化 | 第34-35页 |
| ·基于小球填充的样本的稀疏化 | 第35-37页 |
| 第6章 局部支持向量机 | 第37-48页 |
| ·基于稀疏化技术的样本空间的粗划分 | 第37-41页 |
| ·利用贴近度分离两类间的中间带 | 第41-43页 |
| ·对样本子集进行细划分 | 第43-44页 |
| ·局部支持向量机的实现步骤 | 第44-45页 |
| ·实验结果 | 第45-48页 |
| 第7章 总结和展望 | 第48-49页 |
| 参考文献 | 第49-58页 |
| 致谢 | 第58-59页 |
| 附录A | 第59-63页 |
| 攻读学位期间的研究成果 | 第63页 |