| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文主要研究内容 | 第13页 |
| 1.4 章节安排 | 第13-15页 |
| 第二章 不平衡数据集分类的主要技术 | 第15-21页 |
| 2.1 数据预处理 | 第15-17页 |
| 2.1.1 过采样技术 | 第15-16页 |
| 2.1.2 欠采样技术 | 第16页 |
| 2.1.3 混合采样技术 | 第16-17页 |
| 2.2 传统分类算法 | 第17-18页 |
| 2.3 不平衡数据集的评价准则 | 第18-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 支持向量机算法及优化算法 | 第21-30页 |
| 3.1 支持向量机基本理论 | 第21-24页 |
| 3.1.1 支持向量机基本原理 | 第21-23页 |
| 3.1.2 核函数 | 第23-24页 |
| 3.1.3 参数选择对支持向量机的影响 | 第24页 |
| 3.2 遗传算法简介 | 第24-26页 |
| 3.3 人工蜂群算法原理 | 第26-29页 |
| 3.3.1 蜜蜂采蜜机理 | 第26-27页 |
| 3.3.2 人工蜂群算法的基本原理 | 第27-28页 |
| 3.3.3 人工蜂群算法的流程 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于支持度的SDSMOTE方法 | 第30-39页 |
| 4.1 支持度与SMOTE算法 | 第30-31页 |
| 4.1.1 支持度概念 | 第30页 |
| 4.1.2 SMOTE算法 | 第30-31页 |
| 4.2 基于支持度的SDSMOTE不平衡数据分类方法 | 第31-33页 |
| 4.3 实验结果与分析 | 第33-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 人工蜂群算法优化的支持向量机 | 第39-54页 |
| 5.1 对人工蜂群算法的改进 | 第39-40页 |
| 5.1.1 人工蜂群算法存在的问题 | 第39页 |
| 5.1.2 改进的人工蜂群算法 | 第39-40页 |
| 5.2 改进的人工蜂群算法优化支持向量机不平衡数据分类 | 第40-43页 |
| 5.3 实验结果与分析 | 第43-53页 |
| 5.4 本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 论文工作总结 | 第54-55页 |
| 未来展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61页 |