| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究的目的和意义 | 第10-11页 |
| ·失衡数据集问题的研究概况与发展趋势 | 第11-14页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究概况 | 第13-14页 |
| ·本课题研究的主要内容 | 第14-16页 |
| ·课题来源 | 第14-15页 |
| ·课题的主要研究内容 | 第15-16页 |
| 第2章 失衡数据集分类问题 | 第16-24页 |
| ·失衡数据集分类问题概述 | 第16-17页 |
| ·失衡数据集分类困难的原因分析 | 第17-18页 |
| ·解决失衡数据集分类问题的主要方法 | 第18-19页 |
| ·失衡数据集分类性能评价指标 | 第19-23页 |
| ·传统分类性能评价指标 | 第20-21页 |
| ·接受者操作特征曲线及 AUC | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于聚类簇边界的采样方法 | 第24-33页 |
| ·数据重采样方法 | 第24-25页 |
| ·基于聚类的重采样方法 | 第25-27页 |
| ·聚类分析技术概述 | 第25-26页 |
| ·聚类采样技术 SBC | 第26-27页 |
| ·密度聚类簇边界采样方法 | 第27-32页 |
| ·密度聚类及 DBSCAN 算法概述 | 第27-29页 |
| ·密度聚类簇的边界识别方法 | 第29-31页 |
| ·密度聚类簇边界采样方法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 集成学习的失衡数据集分类方法 | 第33-47页 |
| ·支持向量机 | 第33-37页 |
| ·支持向量机原理 | 第33-35页 |
| ·常用核函数 | 第35-36页 |
| ·惩罚因子 | 第36-37页 |
| ·集成学习方法 | 第37-40页 |
| ·集成学习基本思想 | 第37-38页 |
| ·分类器集成方法 | 第38-40页 |
| ·实验与分析 | 第40-46页 |
| ·实验数据选取 | 第40页 |
| ·聚类簇边界采样实验与分析 | 第40-42页 |
| ·聚类簇边界采样分类效果分析 | 第42-45页 |
| ·集成学习方法实验与分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 失衡数据集分类问题在电信客户关系管理中的应用 | 第47-53页 |
| ·电信客户关系 | 第47-48页 |
| ·需求分析 | 第48-49页 |
| ·系统用途 | 第48页 |
| ·功能需求 | 第48-49页 |
| ·总体设计 | 第49-50页 |
| ·总体架构 | 第49-50页 |
| ·软/硬件需求 | 第50页 |
| ·模块设计 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |