| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景及目的 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 高维不平衡数据研究现状 | 第13-15页 |
| 1.2.2 随机森林算法在高维不平衡数据中的研究现状 | 第15-16页 |
| 1.3 本文主要研究工作 | 第16页 |
| 1.4 本文目录结构 | 第16-18页 |
| 2 基本理论 | 第18-26页 |
| 2.1 决策树 | 第18-20页 |
| 2.1.1 决策树简介 | 第18-19页 |
| 2.1.2 分类回归树 | 第19-20页 |
| 2.2 随机森林算法 | 第20-22页 |
| 2.3 分类器性能评价指标 | 第22-25页 |
| 2.4 本章总结 | 第25-26页 |
| 3 DESMOTE数据平衡算法 | 第26-40页 |
| 3.1 问题分析 | 第26-28页 |
| 3.1.1 平衡数据方法分析 | 第26-27页 |
| 3.1.2 SMOTE算法分析 | 第27-28页 |
| 3.2 基于SMOTE算法的数据平衡处理方法 | 第28-32页 |
| 3.3 基于DESMOTE的随机森林算法 | 第32-34页 |
| 3.4 实验及结果分析 | 第34-38页 |
| 3.4.1 数据集介绍 | 第34-35页 |
| 3.4.2 分类性能分析 | 第35-38页 |
| 3.5 本章小结 | 第38-40页 |
| 4 基于随机森林算法的高维不平衡数据分类 | 第40-60页 |
| 4.1 问题分析 | 第40-43页 |
| 4.1.1 高维数据分类问题分析 | 第40页 |
| 4.1.2 特征提取方法分析 | 第40-41页 |
| 4.1.3 随机森林算法在高维数据中的问题分析 | 第41-43页 |
| 4.2 基于LPP的随机森林算法 | 第43-50页 |
| 4.2.1 LPP基本原理 | 第43-44页 |
| 4.2.2 D-LPP-RF算法设计 | 第44-50页 |
| 4.3 基于SR的随机森林算法 | 第50-54页 |
| 4.3.1 谱回归基本原理 | 第50-51页 |
| 4.3.2 D-SR-RF算法设计 | 第51-54页 |
| 4.4 实验结果及分析 | 第54-59页 |
| 4.4.1 数据集介绍 | 第54-55页 |
| 4.4.2 降维维数分析 | 第55-56页 |
| 4.4.3 分类性能分析 | 第56-57页 |
| 4.4.4 时间性能分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 D-SR-RF和D-LPP-RF算法在癌症识别中的应用 | 第60-65页 |
| 5.1 背景介绍 | 第60-62页 |
| 5.1.1 癌症简介 | 第60-61页 |
| 5.1.2 基因芯片技术 | 第61-62页 |
| 5.2 实验结果及分析 | 第62-64页 |
| 5.2.1 数据集介绍 | 第62-63页 |
| 5.2.2 实验对比算法介绍 | 第63-64页 |
| 5.2.3 实验结果及分析 | 第64页 |
| 5.3 本章总结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 个人信息简介 | 第72-73页 |
| 致谢 | 第73页 |