| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 不平衡大数据分类研究现状 | 第12-14页 |
| 1.2.2 随机森林算法的研究现状 | 第14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 1.4 本文的章节安排 | 第16-17页 |
| 第2章 不平衡大数据及相关算法概述 | 第17-23页 |
| 2.1 不平衡大数据集 | 第17-18页 |
| 2.2 重采样方法 | 第18页 |
| 2.3 代价敏感方法 | 第18-19页 |
| 2.4 随机森林算法 | 第19-21页 |
| 2.5 常用评价指标 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 基于类区分度的高维不平衡特征选择算法 | 第23-32页 |
| 3.1 K-means算法简介 | 第23-24页 |
| 3.2 相关特征选择算法 | 第24-25页 |
| 3.2.1 信息增益 | 第24页 |
| 3.2.2 卡方检验 | 第24页 |
| 3.2.3 互信息 | 第24-25页 |
| 3.3 基于类区分度的高维不平衡特征选择算法思想 | 第25-26页 |
| 3.4 基于类区分度的高维不平衡特征选择算法描述 | 第26页 |
| 3.5 实验结果及分析 | 第26-31页 |
| 3.5.1 实验数据集 | 第26页 |
| 3.5.2 分类器 | 第26-27页 |
| 3.5.3 实验结果及分析 | 第27-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于代价敏感的随机森林分类算法 | 第32-40页 |
| 4.1 代价敏感随机森林 | 第32页 |
| 4.2 基于代价敏感的随机森林分类算法 | 第32-35页 |
| 4.2.1 算法思想 | 第32-33页 |
| 4.2.2 代价函数的构造 | 第33-34页 |
| 4.2.3 算法步骤 | 第34-35页 |
| 4.3 实验及结果分析 | 第35-39页 |
| 4.3.1 实验数据集 | 第35页 |
| 4.3.2 实验结果分析 | 第35-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 基于MapReduce的随机森林算法并行化设计 | 第40-47页 |
| 5.1 大数据处理平台 | 第40-42页 |
| 5.1.1 Hadoop简介 | 第40-41页 |
| 5.1.2 MapReduce模型 | 第41-42页 |
| 5.2 随机森林算法并行化设计 | 第42-43页 |
| 5.3 基于MapReduce的随机森林并行化设计描述 | 第43-44页 |
| 5.4 实验及结果分析 | 第44-46页 |
| 5.4.1 实验环境 | 第44页 |
| 5.4.2 实验数据集与评价指标 | 第44-45页 |
| 5.4.3 实验结果分析 | 第45-46页 |
| 5.5 本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第52-53页 |
| 致谢 | 第53页 |