| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景 | 第7-8页 |
| ·国内外相关研究现状 | 第8-9页 |
| ·不平衡分类评价指标 | 第9-11页 |
| ·论文的主要内容和结构 | 第11-12页 |
| 第二章 支持向量机(SVM) | 第12-26页 |
| ·机器学习 | 第12-16页 |
| ·机器学习基本问题 | 第12-13页 |
| ·经验风险最小化原则 | 第13-14页 |
| ·VC维 | 第14-15页 |
| ·推广性的界 | 第15页 |
| ·结构风险最小化原则 | 第15-16页 |
| ·统计学理论 | 第16-17页 |
| ·支持向量机(Support Vector Machines,SVM) | 第17-22页 |
| ·最优分界面 | 第17-20页 |
| ·线性SVM | 第20-21页 |
| ·非线性SVM | 第21-22页 |
| ·支持向量回归机 | 第22-25页 |
| ·线性ε-支持向量回归机 | 第23-24页 |
| ·非线性ε-支持向量回归机 | 第24-25页 |
| ·LIBSVM | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 SVM算法的改进 | 第26-36页 |
| ·基于SVM的数据层面的改进 | 第26-27页 |
| ·基于SMOTE的SVM算法 | 第27-28页 |
| ·SMOTE+TomekLink算法 | 第28-29页 |
| ·KNN算法 | 第29页 |
| ·newSMOTE算法 | 第29-31页 |
| ·PSO算法 | 第31-33页 |
| ·实验及分析 | 第33-35页 |
| ·数据集描述 | 第33页 |
| ·各算法比较 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于改进SVM的中学教师绩效考核系统 | 第36-49页 |
| ·教师评价 | 第36页 |
| ·中学教师评价的现状和缺失 | 第36-37页 |
| ·台江区教师轮岗和校级交流情况 | 第37页 |
| ·台江区中学教师绩效考核细则 | 第37-40页 |
| ·台江区某中学教师绩效评分系统 | 第40-46页 |
| ·教师评价系统 | 第40-42页 |
| ·教师评价数据 | 第42-44页 |
| ·教师评价数据描述 | 第44-46页 |
| ·各算法预测结果比较 | 第46-47页 |
| ·PSO-newSMOTE-SVM算法用于中学教师评价 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 总结与展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
| 个人简历 | 第53-54页 |
| 在学期间研究成果及发表的学术论文 | 第54页 |