| 摘要 | 第1-6页 |
| 英文摘要 | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·基于数据层面的方法 | 第10-12页 |
| ·基于算法层面的方法 | 第12-13页 |
| ·本文研究内容 | 第13页 |
| ·论文组织 | 第13-15页 |
| 第2章 基础知识 | 第15-23页 |
| ·随机采样方法 | 第15页 |
| ·SMOTE方法 | 第15-17页 |
| ·Extreme Learning Machine（ELM） | 第17-20页 |
| ·评价标准 | 第20-23页 |
| 第3章 基于R-SMOTE方法的非平衡数据分类模型 | 第23-33页 |
| ·R-SMOTE采样方法的设计思想 | 第23-26页 |
| ·算法描述 | 第26-27页 |
| ·伪代码 | 第27-29页 |
| ·基于R-SMOTE的非平衡数据集分类模型 | 第29-33页 |
| ·数据预处理 | 第30-31页 |
| ·R-SMOTE采样方法 | 第31页 |
| ·ELM分类算法 | 第31页 |
| ·分类性能评价 | 第31-33页 |
| 第4章 实验与分析 | 第33-43页 |
| ·实验数据集 | 第33-34页 |
| ·实验设计 | 第34页 |
| ·实验结果及分析 | 第34-40页 |
| ·采样倍率N的设置 | 第40-43页 |
| 第5章 总结与展望 | 第43-45页 |
| ·本文总结 | 第43页 |
| ·工作展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48页 |