基于集成学习的不平衡样本分类问题研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景与研究目的 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 不平衡样本分类困难的本质 | 第10-12页 |
| 1.2.2 不平衡样本分类数据层面处理的研究 | 第12-13页 |
| 1.2.3 不平衡样本分类问题算法层面的研究 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 章节结构安排 | 第15-16页 |
| 第2章 不平衡样本二分类相关理论介绍 | 第16-25页 |
| 2.1 不平衡数据分类方法的研究 | 第16-19页 |
| 2.1.1 进化欠采样方法 | 第16-17页 |
| 2.1.2 过采样的SMOTE算法 | 第17-18页 |
| 2.1.3 集成学习方法 | 第18-19页 |
| 2.2 进化算法 | 第19-22页 |
| 2.2.1 基于精英策略的遗传算法 | 第20-21页 |
| 2.2.2 协同进化算法 | 第21-22页 |
| 2.3 评价标准 | 第22-24页 |
| 2.3.1 原子标准 | 第23-24页 |
| 2.3.2 复合标准 | 第24页 |
| 2.3.3 受试者操作曲线 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于进化混合采样的不平衡二分类方法 | 第25-39页 |
| 3.1 改进的混合采样方法 | 第25-32页 |
| 3.1.1 改进的混合采样方法描述 | 第27-29页 |
| 3.1.2 采用协同进化算法改进混合采样算法 | 第29-31页 |
| 3.1.3 进化混合采样算法对不平衡问题的解决 | 第31-32页 |
| 3.2 基于EHS的集成分类方法研究 | 第32-36页 |
| 3.2.1 集成学习在不平衡样本分类问题中的应用 | 第32-34页 |
| 3.2.2 不平衡样本的权重更新方法 | 第34-35页 |
| 3.2.3 基于EHS的集成算法的适应函数修改 | 第35-36页 |
| 3.3 基于进化混合采样的集成算法描述 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 实验结果与分析 | 第39-52页 |
| 4.1 实验设置 | 第39-42页 |
| 4.1.1 数据描述 | 第39-40页 |
| 4.1.2 实验参数设置 | 第40-41页 |
| 4.1.3 实验统计量介绍 | 第41-42页 |
| 4.2 进化混合采样算法的有效性验证 | 第42-47页 |
| 4.2.1 算法EHS和其他方法的对比试验 | 第42-46页 |
| 4.2.2 考虑小析取项 | 第46-47页 |
| 4.3 EHSBOOST算法的有效性验证 | 第47-51页 |
| 4.3.1 采样组合差异性作用验证 | 第47-48页 |
| 4.3.2 算法EHSBoost的对比试验 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59页 |
