| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的目的和意义 | 第9-10页 |
| 1.2 大规模失衡数据问题的研究现状与发展趋势 | 第10-12页 |
| 1.2.1 解决数据失衡性研究现状 | 第10-12页 |
| 1.2.2 解决大规模数据处理问题研究现状 | 第12页 |
| 1.3 本课题研究的主要内容 | 第12-15页 |
| 1.3.1 课题来源 | 第12-13页 |
| 1.3.2 课题的主要研究内容 | 第13-15页 |
| 第2章 大规模失衡数据集分类问题 | 第15-29页 |
| 2.1 失衡数据集分类困难的原因及主要方法 | 第15-19页 |
| 2.1.1 失衡数据集分类困难的原因 | 第15-16页 |
| 2.1.2 失衡数据集处理方法 | 第16-19页 |
| 2.2 几种典型分类算法研究 | 第19-24页 |
| 2.2.1 支持向量机 | 第19-22页 |
| 2.2.2 决策树分类算法 | 第22-23页 |
| 2.2.3 神经网络算法 | 第23-24页 |
| 2.3 Hadoop和并行编程模型MapReduce | 第24-28页 |
| 2.3.1 云计算平台Hadoop | 第24-25页 |
| 2.3.2 并行编程模型MapReduce | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于决策树分类方法的肝功能诊断 | 第29-39页 |
| 3.1 肝功能诊断的一般过程 | 第29-30页 |
| 3.2 特征选择算法 | 第30-32页 |
| 3.2.1 有监督学习的特征选择 | 第30-31页 |
| 3.2.2 无监督学习的特征选择 | 第31-32页 |
| 3.3 基于决策树的分类方法 | 第32-38页 |
| 3.3.1 聚类有效性和特征间相关性 | 第32-33页 |
| 3.3.2 人工蜂群算法 | 第33页 |
| 3.3.3 K均值算法 | 第33-35页 |
| 3.3.4 基于决策树的分类方法 | 第35-36页 |
| 3.3.5 决策树分类算法实验及结果分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 大规模失衡数据集分类方法 | 第39-50页 |
| 4.1 并行选择采样算法 | 第39-42页 |
| 4.1.1 并行选择采样算法概述 | 第39-40页 |
| 4.1.2 并行选择采样算法原理 | 第40-42页 |
| 4.2 C4.5 决策树分类算法 | 第42-44页 |
| 4.2.1 C4.5 决策树分类算法概述 | 第42-43页 |
| 4.2.2 C4.5 决策树分类算法基本原理 | 第43-44页 |
| 4.3 大规模失衡数据集分类方法 | 第44-46页 |
| 4.4 实验与分析 | 第46-49页 |
| 4.4.1 实验数据集 | 第46页 |
| 4.4.2 实验评价指标 | 第46-47页 |
| 4.4.3 实验结果与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |