| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-14页 |
| 图目录 | 第14-17页 |
| 表目录 | 第17-20页 |
| 1 绪论 | 第20-30页 |
| ·电信业欠费问题 | 第20-22页 |
| ·数据挖掘概述 | 第22-26页 |
| ·电信业欠费数据挖掘需求 | 第26-27页 |
| ·论文主要内容和结构 | 第27-30页 |
| 2 数学基础与预备知识 | 第30-44页 |
| ·统计学习理论 | 第30-35页 |
| ·学习问题的一般表示 | 第30-31页 |
| ·经验风险最小化原则 | 第31页 |
| ·统计学习理论的核心内容 | 第31-32页 |
| ·VC维 | 第32页 |
| ·学习过程一致性的条件 | 第32-33页 |
| ·推广能力的界 | 第33-34页 |
| ·结构风险最小化原则 | 第34-35页 |
| ·支持向量机(Support Vector Machine,SVM) | 第35-44页 |
| ·SVM基本原理 | 第35-39页 |
| ·SVM衍生算法 | 第39-43页 |
| ·SVM参数选择 | 第43页 |
| ·SVM的应用 | 第43-44页 |
| 3 一种新的SVM高不平衡类重叠分类算法SVM-HIO | 第44-70页 |
| ·引言 | 第44-48页 |
| ·研究背景 | 第44-47页 |
| ·不平衡分类问题的本质 | 第47-48页 |
| ·不平衡分类评价指标 | 第48-51页 |
| ·AUC-ROC | 第48-50页 |
| ·G-mean | 第50页 |
| ·F-measure | 第50-51页 |
| ·基于SVM高不平衡类重叠分类学习 | 第51-58页 |
| ·高不平衡类重叠分类中新的评估方法 | 第51页 |
| ·高不平衡类重叠分类中基于SVM学习的问题本质 | 第51-54页 |
| ·新的SVM高不平衡类重叠分类算法SVM-HIO | 第54-58页 |
| ·实验仿真 | 第58-68页 |
| ·人工数据集仿真 | 第58-59页 |
| ·17个Benchmark数据集实验 | 第59-66页 |
| ·SVM-HIO算法与之前最好的算法比较 | 第66-68页 |
| ·小结 | 第68-70页 |
| 4 一种新的SVM高不平衡多分类算法MCI-SVM及其在电信业的应用 | 第70-92页 |
| ·引言 | 第70-72页 |
| ·电信行业需求 | 第72页 |
| ·SVM多分类算法研究 | 第72-78页 |
| ·SVM多分类算法 | 第73-75页 |
| ·SVM多分类算法推广能力分析 | 第75-76页 |
| ·SVM多分类算法训练时间复杂度分析 | 第76-77页 |
| ·SVM多分类算法测试时间复杂度分析 | 第77-78页 |
| ·不平衡多分类评价指标 | 第78-79页 |
| ·一种新的SVM高不平衡多分类算法MCI-SVM | 第79-85页 |
| ·新的树结构构建标准-基于不平衡度的类间可分离性 | 第80-82页 |
| ·基于不平衡度类间可分离性的SVM不平衡多分类算法 | 第82-85页 |
| ·实验仿真 | 第85-89页 |
| ·电信业信用等级评价建模应用 | 第89-91页 |
| ·小结 | 第91-92页 |
| 5 一种新的SVM海量高不平衡分类算法LCI-SVM及其在电信业的应用 | 第92-112页 |
| ·引言 | 第92-94页 |
| ·电信行业需求 | 第94-95页 |
| ·(1+ε)MEB问题及相关核方法研究 | 第95-101页 |
| ·(1+ε)MEB问题及核心集(Core Set) | 第95-96页 |
| ·基于(1+ε)MEB的核方法 | 第96-100页 |
| ·基于MEB海量SVM建模 | 第100-101页 |
| ·一种新的基于(1+ε)MEB的海量高不平衡SVM分类算法 | 第101-106页 |
| ·海量问题的求解-基于核心集(Core Set)的海量SVM建模 | 第102页 |
| ·分类超平面的偏移-τ近似最佳分类超平面 | 第102-103页 |
| ·基于知识的算法停止条件 | 第103-106页 |
| ·实验仿真 | 第106-109页 |
| ·电信业海量高不平衡欠费挖掘应用 | 第109-111页 |
| ·小结 | 第111-112页 |
| 6 电信业公众客户防欠费欺诈商业智能系统设计与实现 | 第112-134页 |
| ·引言 | 第112-114页 |
| ·数据挖掘方法论 | 第114-116页 |
| ·CRISP-DM方法论 | 第114-115页 |
| ·SEMMA方法论 | 第115-116页 |
| ·电信业数据挖掘方法论-DM Methodology in Telecom Industry(DMM-TI) | 第116-118页 |
| ·电信业防欠费欺诈商业智能系统设计与实现 | 第118-132页 |
| ·商业理解 | 第119-120页 |
| ·数据理解 | 第120-121页 |
| ·宽表设计 | 第121-122页 |
| ·数据预处理 | 第122-123页 |
| ·建模、评估与调优 | 第123-128页 |
| ·模型发布与实施-某市电信防欠费欺诈智能催缴派单系统 | 第128-131页 |
| ·系统评估与成果 | 第131-132页 |
| ·小结 | 第132-134页 |
| 7 总结与展望 | 第134-138页 |
| ·研究工作总结 | 第134-135页 |
| ·研究工作展望 | 第135-138页 |
| 参考文献 | 第138-150页 |
| 攻读博士期间项目经历和学术成果 | 第150-152页 |
| 致谢 | 第152页 |
