| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 图目录 | 第14-15页 |
| 表目录 | 第15-17页 |
| 第一章 绪论 | 第17-30页 |
| ·研究背景及意义 | 第17-19页 |
| ·不平衡数据学习研究现状 | 第19-27页 |
| ·分类器性能的合理评价 | 第19-20页 |
| ·类不平衡及其他因素对分类器性能的影响 | 第20-21页 |
| ·数据层面处理不平衡数据 | 第21-22页 |
| ·算法层面处理不平衡数据 | 第22-26页 |
| ·代价敏感学习 | 第23页 |
| ·分类器的后处理 | 第23-24页 |
| ·不同准则下的优化 | 第24页 |
| ·极小极大概率机 | 第24-25页 |
| ·基于识别的学习 | 第25-26页 |
| ·其它策略 | 第26页 |
| ·集成学习 | 第26-27页 |
| ·其他 | 第27页 |
| ·主要工作与组织结构 | 第27-30页 |
| ·主要工作 | 第27-28页 |
| ·组织结构 | 第28-30页 |
| 第二章 支持向量机与核方法原理 | 第30-43页 |
| ·模式分类问题 | 第30-32页 |
| ·引例 | 第30-31页 |
| ·数学描述 | 第31-32页 |
| ·标准支持向量机 | 第32-35页 |
| ·硬间隔支持向量机 | 第32-33页 |
| ·软间隔支持向量机 | 第33-35页 |
| ·核方法 | 第35-39页 |
| ·主要原理 | 第35-36页 |
| ·核的描述 | 第36-39页 |
| ·几种常用的核 | 第39页 |
| ·再论支持向量机 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 基于元学习的评价准则对IDL 影响的实验研究 | 第43-60页 |
| ·引言 | 第43-44页 |
| ·主要的评价准则 | 第44-50页 |
| ·混淆表以及“原子”评价准则 | 第44-45页 |
| ·精度以及其他常用的复合准则 | 第45-48页 |
| ·ROC 以及AUC | 第48-49页 |
| ·其他 | 第49-50页 |
| ·实验研究 | 第50-59页 |
| ·研究目的 | 第50-51页 |
| ·研究方法 | 第51-52页 |
| ·实验设置 | 第52-53页 |
| ·结果与分析 | 第53-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 基于样本非对称加权的拓展SVM 研究 | 第60-83页 |
| ·引言 | 第60-61页 |
| ·几种主要的拓展SVM | 第61-66页 |
| ·最小二乘SVM（LS-SVM） | 第61-63页 |
| ·临近SVM（P-SVM） | 第63-64页 |
| ·修改的最小二乘SVM（MLS-SVM） | 第64-66页 |
| ·处理不平衡数据的样本非对称加权策略 | 第66-70页 |
| ·简单非对称加权 | 第66-67页 |
| ·Suykens 的加权策略 | 第67-68页 |
| ·新的加权策略 | 第68-70页 |
| ·实验研究 | 第70-81页 |
| ·实验设置 | 第70-71页 |
| ·结果与分析 | 第71-81页 |
| ·线性核 | 第71-74页 |
| ·多项式核 | 第74-77页 |
| ·高斯核 | 第77-81页 |
| ·本章小结 | 第81-83页 |
| 第五章 基于二阶锥规划的大间隔核分类器训练模型 | 第83-98页 |
| ·引言 | 第83-84页 |
| ·新的核分类器训练模型 | 第84-91页 |
| ·原始模型的提出 | 第84-85页 |
| ·原始模型的解释 | 第85-87页 |
| ·将原始模型松弛为SOCP 模型 | 第87-91页 |
| ·两个松弛模型 | 第87-89页 |
| ·统一成SOCP 形式 | 第89-91页 |
| ·数值实验 | 第91-96页 |
| ·实验设置 | 第91-92页 |
| ·结果与分析 | 第92-96页 |
| ·本章小结 | 第96-98页 |
| 第六章 嵌入下抽样技术的SVM 集成学习研究 | 第98-120页 |
| ·引言 | 第98-99页 |
| ·相关工作 | 第99-101页 |
| ·重抽样技术 | 第99-100页 |
| ·集成学习 | 第100-101页 |
| ·与下抽样技术相结合的SVM 集成 | 第101-107页 |
| ·Bagging 集成 | 第102-104页 |
| ·AdaBoost 集成 | 第104-107页 |
| ·实验研究 | 第107-119页 |
| ·实验设置 | 第107-109页 |
| ·结果与分析 | 第109-119页 |
| ·本章小结 | 第119-120页 |
| 结论与展望 | 第120-123页 |
| 参考文献 | 第123-134页 |
| 附录 | 第134-138页 |
| 攻读博士学位期间取得的研究成果 | 第138-140页 |
| 致谢 | 第140页 |