| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第16-28页 |
| 1.1 课题来源 | 第16页 |
| 1.2 研究背景及意义 | 第16-17页 |
| 1.3 国内外研究现状 | 第17-26页 |
| 1.4 本文主要工作 | 第26页 |
| 1.5 论文组织结构 | 第26-28页 |
| 2 基础理论 | 第28-37页 |
| 2.1 近似支持向量机 | 第28-29页 |
| 2.2 基于广义特征值近似支持向量机 | 第29-32页 |
| 2.3 孪生支持向量机 | 第32-36页 |
| 2.4 本章小结 | 第36-37页 |
| 3 基于量子粒子群优化的孪生支持向量机 | 第37-46页 |
| 3.1 量子粒子群算法 | 第38-39页 |
| 3.2 基于量子粒子群优化的孪生支持向量机 | 第39-41页 |
| 3.3 实验及其结果分析 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于蛙跳算法优化的混合核孪生支持向量机 | 第46-61页 |
| 4.1 基于混合核函数的孪生支持向量机 | 第46-54页 |
| 4.2 基于蛙跳算法优化的混合核孪生支持向量机 | 第54-59页 |
| 4.3 本章小结 | 第59-61页 |
| 5 基于人工萤火虫算法优化的小波孪生支持向量机 | 第61-78页 |
| 5.1 小波核的分析构造 | 第61-65页 |
| 5.2 小波孪生支持向量机算法 | 第65-69页 |
| 5.3 基于人工萤火虫算法优化的小波孪生支持向量机 | 第69-74页 |
| 5.4 MK-TWSVM与WTWSVMD的对比 | 第74-77页 |
| 5.5 本章小结 | 第77-78页 |
| 6 总结和展望 | 第78-81页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-88页 |
| 作者简历 | 第88-92页 |
| 学位论文数据集 | 第92页 |