目录摘要...................................................................................................1前言...................................................................................................3第一章绪论..............................................................................41.1研究背景及意义...............................................................41.2本文主要工作及创新点.............................................61.3本文组织结构.....................................................................6第二章孪生支持向量机及其多分类方法............72.1两分类TWSVM...........................................................................72.1.1支持向量机..................................................................72.1.2广义特征值近似支持向量机........................82.1.3孪生支持向量机......................................................92.2基于TWSVM的多分类方法.......................................122.2.1Multi-TWSVM........................................................................122.2.2DTTSVM.................................................................................132.3本章小结..............................................................................16第三章基于核聚类决策树的多分类TWSVM方法...173.1核聚类方法........................................................................173.2DT2SVM-KC....................................................................................183.2.1决策树构造...............................................................183.2.2算法流程.....................................................................203.3本章小结..............................................................................22第四章仿真实验.....................................................................234.1数据集....................................................................................234.1.1UCI数据库..................................................................234.1.2MNIST数据集............................................................244.2UCI数据集实验结果...................................................254.2.1惩罚参数影响分析.............................................254.2.2决策树分析...............................................................264.2.3实验结果.....................................................................274.3MNIST数据集实验结果.............................................294.4本章小结..............................................................................30第五章总结与展望...............................................................325.1本文总结..............................................................................325.2后续工作展望..................................................................33攻读学士学位期间主要的研究成果........................34参考文献..........................................................................................35致谢..........................................................................................37摘要分类技术是信息社会的一项重要技术，可以对一些杂乱的数据进行判断和归类，并发掘其内在价值。计算机代替人工进行数据分析和分类可以发现一些潜在的规律，并且能以相对快的速度处理更多数据。支持向量机（SupportVectorMachine,SVM）是一种常用的两分类器，孪生支持向量机（TwinSupportVectorMachine,TWSVM）是其优秀的一种改进版...
