面向不平衡数据集分类的层次引力模型研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 本文主要研究内容及创新点 | 第9页 |
| 1.3 本文组织结构 | 第9-12页 |
| 2 非平衡数据集分类研究综述 | 第12-22页 |
| 2.1 非平衡数据集分类的基本问题 | 第12-13页 |
| 2.2 非平衡数据集分类的相关研究 | 第13-18页 |
| 2.2.1 问题定义层方法 | 第13-15页 |
| 2.2.2 数据层面方法 | 第15-16页 |
| 2.2.3 算法层面方法 | 第16-18页 |
| 2.3 非平衡数据集分类的评价指标 | 第18-21页 |
| 2.3.1 g-means | 第20页 |
| 2.3.2 F-measure | 第20-21页 |
| 2.3.3 ROC曲线及AUC | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 层次分类和数据引力模型 | 第22-30页 |
| 3.1 层次分类模型 | 第22-25页 |
| 3.1.1 分类模型 | 第23-24页 |
| 3.1.2 学习和分类算法 | 第24-25页 |
| 3.2 数据引力模型 | 第25-29页 |
| 3.2.1 万有引力定律 | 第26页 |
| 3.2.2 数据相似性与引力 | 第26-27页 |
| 3.2.3 DGC相关概念 | 第27-28页 |
| 3.2.4 DGC分类原理 | 第28-29页 |
| 3.3 本章小结 | 第29-30页 |
| 4 层次引力模型 | 第30-50页 |
| 4.1 基本思路 | 第30-35页 |
| 4.2 相关概念 | 第35-36页 |
| 4.3 层次引力模型 | 第36-39页 |
| 4.4 HDGC学习过程 | 第39-45页 |
| 4.4.1 属性加权 | 第41-43页 |
| 4.4.2 标记数据单元 | 第43-45页 |
| 4.5 HDGC分类过程 | 第45-49页 |
| 4.5.1 局部引力分类过程 | 第46-48页 |
| 4.5.2 全局引力分类过程 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 5 实验结果与结论 | 第50-62页 |
| 5.1 不平衡比对分类结果的影响 | 第50-53页 |
| 5.1.1 实验数据集 | 第50-51页 |
| 5.1.2 实验结果及分析 | 第51-53页 |
| 5.2 类内不平衡对结果的影响 | 第53-55页 |
| 5.2.1 数据集介绍 | 第54页 |
| 5.2.2 实验结果及分析 | 第54-55页 |
| 5.3 不同算法性能比较 | 第55-59页 |
| 5.3.1 对比算法介绍 | 第55-56页 |
| 5.3.2 对比结果及分析 | 第56-59页 |
| 5.4 HDGC效率分析 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 总结及展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 未来工作 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |
| A. 作者在攻读学位期间发表的论文目录 | 第70页 |
