1 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 3
1.3 主要研究内容及技术路线 17
1.4 组织结构 19
1.5 本章小结 21
2 基本理论 22
2.1 统计学习理论 22
2.2 支持向量机 29
2.3 核函数 36
2.4 正则化方法 39
2.5 本章小结 42
3 基于聚类的不平衡数据分类方法 43
3.1 基于样本加权的可能性模糊聚类算法 43
3.2 可能性模糊核聚类算法 69
3.3 基于可能性模糊聚类的支持向量机 86
3.4 实验结果与分析 96
3.5 本章小结 106
4 基于聚类的非参数核学习分类方法 107
4.1 核评估标准 107
4.2 典型的核学习方法 112
4.3 有监督非参核学习分类方法 119
4.4 无监督非参核学习分类方法 131
4.5 本章小结 149
5 基于流形正则化的快速分类方法 150
5.1 极速学习机基础理论 150
5.2 极速学习机与流形正则化框架关系定理 159
5.3 流形正则化极速学习机 170
5.4 实验结果与性能对比 175
5.5 本章小结 190
6 结论与展望 191
6.1 总结 191
6.2 展望 193
参考文献 195