基于改进支持向量机的数据挖掘分类算法研究
| 摘要 | 第1-9页 |
| Abstract | 第9-13页 |
| 第1章 绪论 | 第13-18页 |
| ·研究背景和意义 | 第13-14页 |
| ·数据挖掘的研究概况 | 第14页 |
| ·数据挖掘中分类算法的发展 | 第14-16页 |
| ·数据挖掘分类算法 | 第14-15页 |
| ·新型支持向量机 | 第15-16页 |
| ·本文研究主要内容 | 第16-17页 |
| ·本文组织结构 | 第17-18页 |
| 第2章 支持向量机及模糊支持向量机 | 第18-23页 |
| ·支持向量机 | 第18-21页 |
| ·统计学习理论 | 第18-19页 |
| ·SVM理论 | 第19-21页 |
| ·模糊支持向量机 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于改进FSVM的数据挖掘分类算法 | 第23-35页 |
| ·引言 | 第23-24页 |
| ·基于改进FSVM的数据挖掘分类算法 | 第24-28页 |
| ·预选有效的候选支持向量 | 第24-25页 |
| ·一种新的模糊隶属度函数 | 第25-26页 |
| ·基于近邻样本密度的模糊隶属度函数设计 | 第26-27页 |
| ·算法步骤 | 第27-28页 |
| ·一种改进的数据挖掘FSVM分类算法 | 第28-30页 |
| ·基本思想 | 第28页 |
| ·粒子群优化算法 | 第28页 |
| ·编码方式 | 第28-29页 |
| ·适应度函数 | 第29页 |
| ·算法步骤 | 第29-30页 |
| ·仿真实验和结果分析 | 第30-34页 |
| ·基于改进FSVM的数据挖掘分类算法的测试 | 第30-32页 |
| ·一种改进的数据挖掘FSVM分类算法的测试 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于改进球向量机的不平衡数据集分类算法 | 第35-45页 |
| ·引言 | 第35-36页 |
| ·球向量机（BVM） | 第36-38页 |
| ·相关概念 | 第36-37页 |
| ·球向量机实现原理 | 第37页 |
| ·BVM基本算法步骤 | 第37-38页 |
| ·旋转森林算法 | 第38-39页 |
| ·基于改进BVM的不平衡数据集分类算法 | 第39-41页 |
| ·基于改进BVM的不平衡数据集分类算法基本思想 | 第39页 |
| ·基于改进BVM的不平衡数据集分类算法基本步骤 | 第39-41页 |
| ·仿真实验及结果分析 | 第41-44页 |
| ·评价标准 | 第41-42页 |
| ·仿真实验结果及分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 基于SVM的高维不平衡数据集分类算法 | 第45-55页 |
| ·引言 | 第45-46页 |
| ·改进的核SMOTE算法 | 第46-47页 |
| ·核稀疏表示特征选择算法 | 第47-48页 |
| ·寻找合成样本原像 | 第48-50页 |
| ·基于SVM的高维不平衡数据集分类算法基本步骤 | 第50-52页 |
| ·仿真实验和结果分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 结论与展望 | 第55-57页 |
| ·结论 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 附录 攻读学位期间所发表的学术论文 | 第64页 |
