1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 主要研究内容及技术路线

1.4 组织结构

1.5 本章小结

2 基本理论

2.1 统计学习理论

2.2 支持向量机

2.3 核函数

2.4 正则化方法

2.5 本章小结

3 基于聚类的不平衡数据分类方法

3.1 基于样本加权的可能性模糊聚类算法

3.2 可能性模糊核聚类算法

3.3 基于可能性模糊聚类的支持向量机

3.4 实验结果与分析

3.5 本章小结

4 基于聚类的非参数核学习分类方法

4.1 核评估标准

4.2 典型的核学习方法

4.3 有监督非参核学习分类方法

4.4 无监督非参核学习分类方法

4.5 本章小结

5 基于流形正则化的快速分类方法

5.1 极速学习机基础理论

5.2 极速学习机与流形正则化框架关系定理

5.3 流形正则化极速学习机

5.4 实验结果与性能对比

5.5 本章小结

6 结论与展望

6.1 总结

6.2 展望

参考文献