| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 引言 | 第12-13页 |
| 1.2 国内外研究现状分析 | 第13-15页 |
| 1.2.1 非平衡数据集分类算法的国内外研究现状 | 第13-15页 |
| 1.2.2 基于云平台下非平衡数据集分类算法的国内外研究现状 | 第15页 |
| 1.3 本文主要内容 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第2章 相关理论 | 第17-23页 |
| 2.1 非平衡数据集分类困难的原因 | 第17页 |
| 2.2 数据层面 | 第17-19页 |
| 2.2.1 SMOTE算法 | 第18页 |
| 2.2.2 Tomeklinks算法 | 第18-19页 |
| 2.3 集成学习 | 第19-20页 |
| 2.3.1 AdaBoost算法 | 第19页 |
| 2.3.2 Bagging算法 | 第19-20页 |
| 2.4 代价敏感学习 | 第20-21页 |
| 2.5 非平衡数据集的评价标准 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 基于NKSMOTE算法的非平衡数据集分类方法 | 第23-32页 |
| 3.1 NKSMOTE基本原理及算法 | 第23-25页 |
| 3.1.1 NKSMOTE基本原理 | 第23-24页 |
| 3.1.2 核距离 | 第24页 |
| 3.1.3 NKSMOTE算法 | 第24-25页 |
| 3.2 实验设计及性能分析 | 第25-31页 |
| 3.2.1 实验数据集 | 第26页 |
| 3.2.2 近邻参数K的选取 | 第26-27页 |
| 3.2.3 高斯核参数σ的选取 | 第27-28页 |
| 3.2.4 NKSMOTE算法性能分析 | 第28-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 基于NIBoost算法的非平衡数据集分类方法 | 第32-39页 |
| 4.1 NIBoost基本原理及算法 | 第32-35页 |
| 4.1.1 权值更新 | 第32-33页 |
| 4.1.2 NIBoost算法 | 第33-35页 |
| 4.2 实验设计及性能分析 | 第35-38页 |
| 4.2.1 实验数据集 | 第35页 |
| 4.2.2 NIBoost算法性能分析 | 第35-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第5章 基于MapReduce框架NIBoost算法并行化研究 | 第39-56页 |
| 5.1 Hadoop平台 | 第39-40页 |
| 5.1.1 HDFS分布式存储系统 | 第39页 |
| 5.1.2 MapReduce技术简介 | 第39-40页 |
| 5.2 PNIBoost算法设计及性能分析 | 第40-54页 |
| 5.2.1 PNIBoost算法设计 | 第40-51页 |
| 5.2.1.1 算法总体框架 | 第40-42页 |
| 5.2.1.2 算法并行模块介绍 | 第42-51页 |
| 5.2.2 实验数据集 | 第51页 |
| 5.2.3 实验环境 | 第51页 |
| 5.2.4 性能分析 | 第51-54页 |
| 5.3 本章小结 | 第54-56页 |
| 第6章 非平衡数据集分类系统设计与实现 | 第56-62页 |
| 6.1 系统架构 | 第56-57页 |
| 6.1.1 系统开发环境 | 第56页 |
| 6.1.2 系统总体设计 | 第56-57页 |
| 6.2 系统模块设计 | 第57-61页 |
| 6.2.1 过采样算法 | 第57-58页 |
| 6.2.2 分类算法 | 第58-59页 |
| 6.2.3 并行分类算法 | 第59-61页 |
| 6.3 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第71页 |
