| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.1.1 分类问题概述 | 第8-9页 |
| 1.1.2 不平衡分类问题 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 支持向量机理论基础 | 第15-29页 |
| 2.1 统计学习理论 | 第15-18页 |
| 2.1.1 机器学习的基本问题 | 第15-16页 |
| 2.1.2 统计学习理论的主要内容 | 第16-18页 |
| 2.2 线性支持向量机 | 第18-22页 |
| 2.3 非线性支持向量机 | 第22-26页 |
| 2.4 序列最小最优化算法 | 第26-28页 |
| 2.4.1 两个解析解 | 第26-28页 |
| 2.4.2 两个变量点的选取 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 不平衡分类学习策略 | 第29-40页 |
| 3.1 常见采样策略 | 第29-32页 |
| 3.1.1 重采样策略 | 第29-30页 |
| 3.1.2 代价敏感学习 | 第30-31页 |
| 3.1.3 单类别学习 | 第31-32页 |
| 3.1.4 集成学习方法 | 第32页 |
| 3.2 不平衡数据分类的评价指标 | 第32-35页 |
| 3.2.1 G-mean | 第33页 |
| 3.2.2 F-measure | 第33-34页 |
| 3.2.3 ROC与AUC | 第34-35页 |
| 3.3 新型采样策略 | 第35-39页 |
| 3.3.1 基于KNN降噪滤波的不平衡分类框架 | 第35-36页 |
| 3.3.2 KNN噪声滤波器 | 第36-37页 |
| 3.3.3 基于欠采样方法的KF噪声滤波器 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于SVM的不平衡数据分类算法分析 | 第40-52页 |
| 4.1 面向不平衡数据的SVM分类缺陷分析 | 第40-46页 |
| 4.1.1 类间不平衡 | 第40-42页 |
| 4.1.2 样本数量较少 | 第42-44页 |
| 4.1.3 类内不平衡 | 第44-45页 |
| 4.1.4 样本交叠与噪声点 | 第45页 |
| 4.1.5 SVM训练算法 | 第45-46页 |
| 4.2 典型针对不平衡数据的SVM改进算法 | 第46-50页 |
| 4.2.1 简单加权支持向量机 | 第46-47页 |
| 4.2.2 代价敏感支持向量机 | 第47-50页 |
| 4.3 其它的SVM改进算法 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 一种新的SVM不平衡分类算法PCS-SVM | 第52-68页 |
| 5.1 PCS-SVM算法 | 第52-59页 |
| 5.1.1 PCS-SVM算法原理推导 | 第52-58页 |
| 5.1.2 PCS-SVM算法的具体实现 | 第58-59页 |
| 5.2 仿真实验与结果分析 | 第59-67页 |
| 5.2.1 实验对象与测试方法 | 第59-60页 |
| 5.2.2 实验数据集描述 | 第60-61页 |
| 5.2.3 实验结果 | 第61-66页 |
| 5.2.4 T检验 | 第66-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 论文总结 | 第68页 |
| 6.2 今后展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76页 |