不平衡数据的离散化算法及其并行化
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外相关研究和综述 | 第10-15页 |
| 1.2.1 离散化方法 | 第10-12页 |
| 1.2.2 不平衡数据处理 | 第12-14页 |
| 1.2.3 GPU并行计算 | 第14-15页 |
| 1.3 问题的总结和分析 | 第15页 |
| 1.4 本文主要工作 | 第15-16页 |
| 1.5 本文组织结构 | 第16-17页 |
| 第2章 离散化方法的相关基础知识 | 第17-26页 |
| 2.1 连续属性离散化 | 第17-19页 |
| 2.2.1 离散化方法定义 | 第17-18页 |
| 2.2.2 离散化经典过程 | 第18-19页 |
| 2.2 离散化方法分类 | 第19-20页 |
| 2.3 离散化结果评价方法 | 第20-25页 |
| 2.3.1 直接评价指标 | 第20页 |
| 2.3.2 间接评价指标 | 第20-24页 |
| 2.3.3 非参数检验 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 不平衡数据的离散化算法 | 第26-49页 |
| 3.1 引言 | 第26页 |
| 3.2 基于类属性关联的现有标准 | 第26-29页 |
| 3.2.1 CAIM标准 | 第26-28页 |
| 3.2.2 CAIR和CAIU标准 | 第28-29页 |
| 3.3 算法设计实现与分析 | 第29-34页 |
| 3.3.1 CARU算法的设计 | 第29-31页 |
| 3.3.2 CARU算法的实现 | 第31-32页 |
| 3.3.3 CARU算法的分析 | 第32-34页 |
| 3.4 不平衡数据离散化实验 | 第34-44页 |
| 3.4.1 实验设计和实验数据 | 第34-36页 |
| 3.4.2 实验结果与分析 | 第36-44页 |
| 3.5 结合SMOTE抽样实验 | 第44-48页 |
| 3.5.1 实验设计 | 第44-45页 |
| 3.5.2 实验结果与分析 | 第45-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 基于GPU的并行离散化算法 | 第49-65页 |
| 4.1 引言 | 第49页 |
| 4.2 GPU体系和CUDA编程 | 第49-52页 |
| 4.2.1 GPU体系结构 | 第49-50页 |
| 4.2.2 CUDA编程模型 | 第50-52页 |
| 4.3 并行CARU算法的设计 | 第52-55页 |
| 4.3.1 连续属性值的并行排序 | 第52-53页 |
| 4.3.2 准则CARU的并行计算 | 第53-54页 |
| 4.3.3 属性之间的并行离散化 | 第54-55页 |
| 4.4 并行CARU算法的实现 | 第55-58页 |
| 4.4.1 JNI技术 | 第55-56页 |
| 4.4.2 CARU算法的具体实现 | 第56-58页 |
| 4.5 实验结果与分析 | 第58-64页 |
| 4.5.1 实验平台与实验数据 | 第58-60页 |
| 4.5.2 性能测试与分析 | 第60-64页 |
| 4.6 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72页 |
