| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 高维数据维数约简技术 | 第11-13页 |
| 1.2.2 不平衡数据分类方法 | 第13-15页 |
| 1.2.3 高维不平衡数据的处理方法 | 第15-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 第2章 高维不平衡数据特征选择方法相关知识 | 第18-30页 |
| 2.1 经典特征选择方法 | 第18-22页 |
| 2.1.1 过滤式特征选择方法 | 第19-20页 |
| 2.1.2 封装式特征选择方法 | 第20-21页 |
| 2.1.3 嵌入式特征选择方法 | 第21-22页 |
| 2.2 经典特征选择方法在不平衡样本中存在的问题 | 第22-25页 |
| 2.2.1 不平衡问题对过滤式特征选择方法的影响 | 第22-24页 |
| 2.2.2 不平衡问题对封装式特征选择方法的影响 | 第24-25页 |
| 2.3 不平衡样本分类评价标准 | 第25-27页 |
| 2.4 直接优化F值解决不平衡问题的思想 | 第27-29页 |
| 2.4.1 决策论方法优化F值 | 第28页 |
| 2.4.2 经验效用最大法方法优化F值 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 高维不平衡数据两阶段特征选择算法 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 基于F值优化的特征选择算法 | 第30-38页 |
| 3.2.1 结构化SVM优化F值算法 | 第31-35页 |
| 3.2.2 基于SSVM的迭代特征消除算法 | 第35-38页 |
| 3.3 近似马尔科夫毯冗余特征消除算法 | 第38-47页 |
| 3.3.1 希尔伯特-施密特独立性准则 | 第40-41页 |
| 3.3.2 改进的近似马尔科夫毯冗余特征消除算法 | 第41-44页 |
| 3.3.3 考虑不平衡问题的二阶段特征选择算法 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 实验结果与分析 | 第48-61页 |
| 4.1 实验数据与参数设置 | 第48-50页 |
| 4.1.1 实验数据集介绍 | 第48-49页 |
| 4.1.2 数据预处理 | 第49-50页 |
| 4.1.3 实验环境及算法参数设置 | 第50页 |
| 4.2 样本不平衡性对特征选择影响的验证 | 第50-51页 |
| 4.3 两阶段算法有效性分别验证 | 第51-55页 |
| 4.3.1 SSVM-RFE算法有效性验证 | 第51-54页 |
| 4.3.2 CBMBFS算法有效性验证 | 第54-55页 |
| 4.4 SSVM-RFE-CBMBFS算法有效性验证 | 第55-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |