面向不平衡数据的支持向量机分类方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第1章 绪论 | 第13-38页 |
| ·课题背景 | 第13-14页 |
| ·基于支持向量机的智能故障诊断方法 | 第14-28页 |
| ·SVM基本原理 | 第15-18页 |
| ·多分类SVM方法综述 | 第18-25页 |
| ·基于SVM的智能故障诊断方法综述 | 第25-26页 |
| ·基于SVM的智能故障诊断方法存在的问题 | 第26-28页 |
| ·不平衡数据挖掘方法研究综述 | 第28-36页 |
| ·不平衡数据分类方法性能评价准则 | 第28-31页 |
| ·不平衡数据分类问题常用方法 | 第31-36页 |
| ·本文主要研究内容 | 第36-38页 |
| 第2章 基于数据预处理的不平衡数据分类方法研究 | 第38-68页 |
| ·引言 | 第38-39页 |
| ·自适应SMOTE过采样方法 | 第39-47页 |
| ·SMOTE方法 | 第39-41页 |
| ·自适应SMOTE方法 | 第41-43页 |
| ·仿真实验 | 第43-47页 |
| ·基于K-近邻方法的模糊样本集修剪技术 | 第47-54页 |
| ·单边采样技术 | 第47-49页 |
| ·模糊样本集修剪技术 | 第49-51页 |
| ·仿真实验 | 第51-54页 |
| ·基于非监督学习的指导型欠采样技术 | 第54-59页 |
| ·传统欠采样方法分析 | 第54-56页 |
| ·指导型欠采样技术 | 第56-57页 |
| ·仿真实验 | 第57-59页 |
| ·欠采样和过采样混合方法分析 | 第59-66页 |
| ·混合欠采样方法 | 第60-62页 |
| ·欠采样和过采样混合方法 | 第62-64页 |
| ·不平衡数据集数据复杂度分析方法 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第3章 基于SVM算法改进的不平衡数据分类方法 | 第68-91页 |
| ·引言 | 第68-69页 |
| ·基于偏置经验特征映射的SVM改进方法 | 第69-83页 |
| ·经验特征空间和经验特征映射 | 第70-72页 |
| ·基于偏置经验特征映射的核优化方法 | 第72-79页 |
| ·仿真实验 | 第79-83页 |
| ·带权重的SVM改进分类方法——μSVM | 第83-90页 |
| ·不平衡数据集SVM分类方法分析 | 第84-87页 |
| ·μSVM——带权重的SVM分类方法 | 第87-88页 |
| ·仿真实验 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 第4章 基于SVM的模拟电路故障诊断技术研究 | 第91-108页 |
| ·引言 | 第91-92页 |
| ·基于SVM方法的电路故障诊断算法结构 | 第92-93页 |
| ·软故障模式下电路特征提取方法 | 第93-98页 |
| ·小波变换 | 第94-96页 |
| ·主成分分析和数据归一化处理 | 第96-97页 |
| ·软故障模式下特征提取方法 | 第97-98页 |
| ·基于SVM的模拟电路故障诊断方法 | 第98-107页 |
| ·数据不平衡对故障诊断方法影响分析 | 第99-103页 |
| ·仿真电路和实验设计 | 第103-104页 |
| ·仿真实验及结果分析 | 第104-107页 |
| ·本章小结 | 第107-108页 |
| 结论 | 第108-111页 |
| 参考文献 | 第111-121页 |
| 攻读学位期间发表的学术论文 | 第121-123页 |
| 致谢 | 第123-124页 |
| 个人简历 | 第124页 |
