| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状和发展趋势 | 第9-10页 |
| 1.3 不平衡数据分类的性能评价指标 | 第10-12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 2 基于模糊聚类欠采样的极限学习机 | 第14-23页 |
| 2.1 ELM理论分析 | 第15-17页 |
| 2.2 ELM激活函数的研究 | 第17-18页 |
| 2.3 FCM理论分析 | 第18-19页 |
| 2.4 基于聚类欠采样的极限学习机(FCM-ELM) | 第19-21页 |
| 2.5 实验结果及分析 | 第21-22页 |
| 2.6 小结 | 第22-23页 |
| 3 不平衡数据加权集成学习算法 | 第23-39页 |
| 3.1 SVM理论分析 | 第24-27页 |
| 3.2 SVM核函数的研究 | 第27-28页 |
| 3.3 加权支持向量机(WSVM) | 第28-29页 |
| 3.3.1 权值 | 第28-29页 |
| 3.3.2 WSVM | 第29页 |
| 3.4 不平衡数据加权集成学习算法(FCM-ENWSVM) | 第29-31页 |
| 3.5 实验结果及分析 | 第31-38页 |
| 3.5.1 人造数据 | 第31-32页 |
| 3.5.2 UCI数据 | 第32-38页 |
| 3.6 小结 | 第38-39页 |
| 结论 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 攻读硕士学位期间发表学术论文情况 | 第44-45页 |
| 致谢 | 第45页 |