| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-27页 |
| ·选题的背景 | 第11-12页 |
| ·机器学习的发展概述 | 第12-16页 |
| ·SVM 的理论基础—统计学习理论 | 第16-19页 |
| ·SVM 研究现状 | 第19-21页 |
| ·模糊隶属度研究现状 | 第21-24页 |
| ·本文工作和结构安排 | 第24-27页 |
| 第二章 支持向量机基本理论及其变形 | 第27-35页 |
| ·支持向量机基本理论 | 第27-29页 |
| ·支持向量机几种变形 | 第29-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 模糊支持向量机的性质与应用 | 第35-45页 |
| ·引言 | 第35页 |
| ·支持向量机简介 | 第35-36页 |
| ·平衡调节 | 第36-38页 |
| ·平衡模糊支持向量机 | 第38-39页 |
| ·算法步骤 | 第39页 |
| ·实验与结果分析 | 第39-43页 |
| ·结论 | 第43-45页 |
| 第四章 基于数据域描述的模糊临近支持向量机的性质与应用 | 第45-55页 |
| ·引言 | 第45-46页 |
| ·支持向量数据域与隶属度函数 | 第46-49页 |
| ·模糊邻近支持向量机 | 第49-52页 |
| ·实验仿真与应用实例研究 | 第52-54页 |
| ·结论 | 第54-55页 |
| 第五章 带有不同光滑函数的模糊光滑支持向量机 | 第55-69页 |
| ·前言 | 第55页 |
| ·光滑支持向量机模型及光滑函数 | 第55-58页 |
| ·模糊光滑支持向量机 | 第58-60页 |
| ·模糊支持向量机的算法 | 第60-61页 |
| ·数值试验 | 第61-67页 |
| ·结论 | 第67-69页 |
| 第六章 一种肿瘤基因的支持向量机提取方法 | 第69-79页 |
| ·前言 | 第69-70页 |
| ·基因特征分类问题描述及数据的预处理 | 第70-73页 |
| ·支持向量机模型应用 | 第73-74页 |
| ·实验结果与分析 | 第74-77页 |
| ·比较与结论 | 第77-79页 |
| 第七章 双重正则化支持向量机的性质与应用 | 第79-89页 |
| ·前言 | 第79-80页 |
| ·用巴氏距离进行特征基因精选 | 第80-81页 |
| ·双重正则化支持向量机模型 | 第81-84页 |
| ·BFGS 算法 | 第84页 |
| ·实验与结果分析 | 第84-88页 |
| ·结论 | 第88-89页 |
| 总结与展望 | 第89-91页 |
| 致谢 | 第91-93页 |
| 参考文献 | 第93-103页 |
| 攻读博士学位期间的研究成果 | 第103-104页 |