| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 二分类算法的研究现状 | 第13-14页 |
| 1.2.2 面向SVM的二分类算法研究现状 | 第14-16页 |
| 1.2.3 面向不平衡二分类算法的研究现状 | 第16-17页 |
| 1.3 本文的工作与安排 | 第17-18页 |
| 第二章 基于SVM的二分类算法 | 第18-26页 |
| 2.1 二分类算法的概述 | 第18-19页 |
| 2.2 SVM概述 | 第19-23页 |
| 2.2.1 SVM的基本原理 | 第19页 |
| 2.2.2 线性SVM | 第19-22页 |
| 2.2.3 非线性SVM | 第22-23页 |
| 2.3 二分类算法的评价准则 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 面向不平衡数据的二分类概述 | 第26-34页 |
| 3.1 不平衡数据的来源及应用背景 | 第26页 |
| 3.2 不平衡二分类的评估标准 | 第26-28页 |
| 3.3 不平衡二分类的改进 | 第28-31页 |
| 3.3.1 面向数据的改进 | 第28-29页 |
| 3.3.2 面向算法的改进 | 第29-31页 |
| 3.4 实验及结果分析 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于结构化SVM的直接优化算法研究 | 第34-48页 |
| 4.1 直接优化算法的基本思想 | 第34-37页 |
| 4.2 基于结构化SVM的直接优化AM算法 | 第37-40页 |
| 4.2.1 面向AM目标函数定义 | 第37-39页 |
| 4.2.2 分解优化最大最违约子目标 | 第39-40页 |
| 4.3 基于结构化SVM的直接优化QM算法 | 第40-42页 |
| 4.3.1 面向的QM目标函数定义 | 第40-41页 |
| 4.3.2 求解面向QM最大最违约子问题 | 第41-42页 |
| 4.4 不平衡数据集上的实验 | 第42-47页 |
| 4.4.1 实验数据集及比较算法 | 第42-43页 |
| 4.4.2 实验结果及分析 | 第43-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于1-slack SVM的直接优化GTP/PR算法研究 | 第48-59页 |
| 5.1 从n-slack SVM到1-slack SVM | 第48-49页 |
| 5.2 直接优化GTP/PR的不平衡算法 | 第49-52页 |
| 5.2.1 GTP/PR和F1评估标准简介 | 第49-50页 |
| 5.2.2 更紧凑的目标上界 | 第50-52页 |
| 5.3 基于1-slack SVM的直接优化GTP/PR算法 | 第52-53页 |
| 5.3.1 面向GTP/PR目标函数的定义 | 第52页 |
| 5.3.2 基于1-slack的割平面算法求解最大最违约子目标 | 第52-53页 |
| 5.4 不平衡数据集上的实验 | 第53-58页 |
| 5.4.0 实验数据集及比较算法 | 第53-54页 |
| 5.4.1 基于n-slack和1-slack的GTP/PR算法比较 | 第54-55页 |
| 5.4.2 基于1-slack的GTP/PR算法和其它直接优化算法比较 | 第55-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 工作总结 | 第59-60页 |
| 6.2 未来展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-69页 |
| 攻读学术期间参加的科研项目 | 第69页 |
