基于支持向量机的不平衡数据分类研究及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·问题的提出及研究意义 | 第10-11页 |
| ·研究背景与现状 | 第11-14页 |
| ·不平衡数据分类研究现状 | 第11-12页 |
| ·支持向量机研究现状 | 第12-14页 |
| ·论文结构 | 第14-16页 |
| 2 支持向量机理论基础 | 第16-28页 |
| ·引言 | 第16页 |
| ·统计学习理论概述 | 第16-20页 |
| ·经验风险最小化和期望风险 | 第16-17页 |
| ·控制学习过程推广能力的理论 | 第17-18页 |
| ·VC 维 | 第18-19页 |
| ·结构风险最小化 | 第19-20页 |
| ·支持向量机 | 第20-25页 |
| ·线性情况 | 第21-24页 |
| ·非线性情况 | 第24-25页 |
| ·支持向量机的主要算法 | 第25-27页 |
| ·分块算法 | 第25页 |
| ·分解算法 | 第25-26页 |
| ·顺序最小化算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 不平衡数据分类方法概述 | 第28-36页 |
| ·引言 | 第28页 |
| ·不平衡数据分类面临的问题 | 第28-30页 |
| ·训练样本数量不平衡问题 | 第28-29页 |
| ·噪声数据的影响 | 第29页 |
| ·决策面偏移的影响 | 第29-30页 |
| ·不平衡数据分类策略 | 第30-34页 |
| ·重采样方法 | 第30-31页 |
| ·训练集划分方法 | 第31-32页 |
| ·分类器集成方法 | 第32页 |
| ·代价敏感学习方法 | 第32-33页 |
| ·特征选择方法 | 第33页 |
| ·其他方法 | 第33-34页 |
| ·评测指标对不平衡数据分类的影响 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于支持向量机的不平衡数据分类方法 | 第36-50页 |
| ·基于SVM 的不平衡数据分类局限分析 | 第36-38页 |
| ·SVM 与重采样方法相结合 | 第37页 |
| ·SVM 与训练集划分方法相结合 | 第37-38页 |
| ·代价敏感SVM 方法 | 第38页 |
| ·其他SVM 不平衡数据分类方法 | 第38页 |
| ·基于聚类的训练集划分支持向量机方法 | 第38-43页 |
| ·分类器模型 | 第39-40页 |
| ·实验数据与来源 | 第40-41页 |
| ·实验结果与分析 | 第41-43页 |
| ·基于SVM 的几何算法求解不平衡数据分类问题 | 第43-48页 |
| ·理论基础 | 第43-46页 |
| ·算法描述 | 第46-47页 |
| ·实验数据与来源 | 第47页 |
| ·实验结果与分析 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 5 白血病基因表达数据特征筛选 | 第50-60页 |
| ·基因微阵列表达数据 | 第50-51页 |
| ·基因表达数据特征选择 | 第51-52页 |
| ·问题的提出 | 第52页 |
| ·实验数据与来源 | 第52-53页 |
| ·解决方案一 | 第53-55页 |
| ·具体方案 | 第53-55页 |
| ·实验分析 | 第55页 |
| ·解决方案二 | 第55-58页 |
| ·具体方案 | 第56-58页 |
| ·实验结果与分析 | 第58页 |
| ·本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第69页 |
