基于类别失衡数据集的改进支持向量机模型的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 类别失衡样本分类研究现状 | 第14-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-19页 |
| 第2章 两类失衡数据集 | 第19-28页 |
| 2.1 两类失衡样本分类概述 | 第19-20页 |
| 2.2 两类失衡样本分类问题 | 第20-21页 |
| 2.3 两类失衡样本分类中常采用的方案 | 第21-23页 |
| 2.3.1 两类失衡样本分类常用的算法 | 第21-22页 |
| 2.3.2 两类失衡样本分类的重采样 | 第22-23页 |
| 2.4 类别失衡样本分类评价标准 | 第23-26页 |
| 2.4.1 常用的分类器性能评价标准 | 第24-25页 |
| 2.4.2 ROC曲线及AUC值 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 边界修剪支持向量机 | 第28-39页 |
| 3.1 支持向量机概述 | 第28-32页 |
| 3.2 边界修剪支持向量机原理 | 第32-38页 |
| 3.2.1 DP-SVM算法分类边界处理策略 | 第32-36页 |
| 3.2.2 DP-SVM的支持向量修剪策略 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 实验设计 | 第39-51页 |
| 4.1 算法有效性验证 | 第39-43页 |
| 4.1.1 实验仿真 | 第39-43页 |
| 4.1.2 实验分析 | 第43页 |
| 4.2 DP-SVM在信用数据集上的应用 | 第43-49页 |
| 4.2.1 信用挖掘背景与研究现状 | 第43-46页 |
| 4.2.2 仿真实验 | 第46-49页 |
| 4.3 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 作者简介及读研期间主要科研成果 | 第59页 |
