| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-13页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·本文主要研究内容及创新点 | 第11页 |
| ·本文组织结构 | 第11-13页 |
| 第二章 不平衡数据集领域的研究现状 | 第13-22页 |
| ·不平衡数据集分类难点 | 第13-14页 |
| ·样本缺失 | 第13页 |
| ·不恰当的评价标准 | 第13页 |
| ·数据噪声 | 第13-14页 |
| ·不恰当的归纳偏置 | 第14页 |
| ·不平衡数据集研究现状 | 第14-19页 |
| ·数据层面方法 | 第14-16页 |
| ·算法层面方法 | 第16-17页 |
| ·评价标准 | 第17-19页 |
| ·分类器的性能评估方法 | 第19-22页 |
| ·测试集 | 第19-20页 |
| ·交叉验证 | 第20页 |
| ·其他估计方法 | 第20-22页 |
| 第三章 KNN 算法在不平衡数据集中的应用 | 第22-28页 |
| ·KNN 算法概述 | 第22-23页 |
| ·遗传算法概述 | 第23页 |
| ·基于 KNN 算法的少数类样本生成方法——G-KNN 算法 | 第23-25页 |
| ·G-KNN 算法实验 | 第25-27页 |
| ·G-KNN 算法实验设计 | 第25-26页 |
| ·G-KNN 实验结果及分析 | 第26-27页 |
| ·总结 | 第27-28页 |
| 第四章 基于 Bagging 的欠抽样集成学习算法 | 第28-37页 |
| ·Bagging 算法概述 | 第28-29页 |
| ·聚类算法概述 | 第29页 |
| ·基于 Bagging 的欠抽样集成学习算法描述 | 第29-32页 |
| ·实验结果及分析 | 第32-36页 |
| ·实验环境设计 | 第32-33页 |
| ·实验结果及分析 | 第33-36页 |
| ·结论 | 第36-37页 |
| 第五章 基于 AdaBoost 的抽样层算法 | 第37-48页 |
| ·AdaBoost 算法概述 | 第37-39页 |
| ·基于 Adaboost 的抽样层算法 | 第39-42页 |
| ·基于 Adaboost 的欠抽样集成学习算法 | 第39-40页 |
| ·基于 AdaBoost 的边界样本过抽样算法 | 第40-42页 |
| ·U- Ensemble 算法实验 | 第42-44页 |
| ·U- Ensemble 算法实验设计 | 第42-43页 |
| ·U- Ensemble 算法实验结果及分析 | 第43-44页 |
| ·BOBA 算法实验 | 第44-47页 |
| ·BOBA 算法实验设计 | 第44-45页 |
| ·BOBA 算法实验结果及分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-49页 |
| ·本文研究内容总结 | 第48页 |
| ·下一步工作 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第52-53页 |
| 致谢 | 第53页 |