| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 本文的组织形式 | 第13-15页 |
| 第2章 理论基础 | 第15-22页 |
| 2.1 支持向量机 | 第15-18页 |
| 2.1.1 当前空间可分的SVM | 第15-16页 |
| 2.1.2 当前空间不可分的SVM | 第16-17页 |
| 2.1.3 支持向量机分类性能影响因素分析 | 第17-18页 |
| 2.2 多宽度高斯核函数GKMW | 第18-19页 |
| 2.3 基因表达式编程 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于GKMW的支持向量机参数优化及特征选择算法 | 第22-34页 |
| 3.1 基于GKMW的支持向量机参数优化算法 | 第22-28页 |
| 3.1.1 基于GKMW的类别分散程度测量准则 | 第22-24页 |
| 3.1.2 基因表达式编程求解优化问题 | 第24-27页 |
| 3.1.3 基于GKMW的支持向量机参数优化算法步骤 | 第27-28页 |
| 3.2 基于GKMW的支持向量机特征选择算法 | 第28-33页 |
| 3.2.1 特征选择算法原理分析 | 第28-29页 |
| 3.2.2 特征选择算法预处理 | 第29-30页 |
| 3.2.3 特征选择 | 第30-31页 |
| 3.2.4 基于GKMW的支持向量机特征选择算法步骤 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 实验结果与分析 | 第34-43页 |
| 4.1 实验硬件和软件 | 第34页 |
| 4.2 实验数据及参数配置 | 第34-35页 |
| 4.3 评价指标 | 第35-36页 |
| 4.4 实验结果与分析 | 第36-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 总结和展望 | 第43-45页 |
| 5.1 本文工作总结 | 第43-44页 |
| 5.2 存在的不足与未来研究的展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 附录 A：攻读学位期间所发表的学术论文目录 | 第49页 |
