| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题的研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究工作和创新点 | 第12-13页 |
| 1.4 论文主的组织结构 | 第13-14页 |
| 2 集成学习相关知识 | 第14-27页 |
| 2.1 集成学习相关的理论 | 第14-16页 |
| 2.2 基分类器的构造方式 | 第16-18页 |
| 2.3 基分类器的组合方法 | 第18-20页 |
| 2.3.1 基于判别函数表达的基分类器的组合形式 | 第18-20页 |
| 2.3.2 基于无判别函数表达式的基分类器的组合形式 | 第20页 |
| 2.4 集成学习的主要算法介绍 | 第20-22页 |
| 2.4.1 Boosting算法 | 第20-22页 |
| 2.4.2 Bagging算法 | 第22页 |
| 2.5 选择性集成学习方法 | 第22-26页 |
| 2.6 集成学习在不平衡数据分类问题上的应用 | 第26-27页 |
| 3 基于数据层面的不平衡数据分类方法研究 | 第27-38页 |
| 3.1 单边采样方法介绍 | 第27-28页 |
| 3.2 SMOTE方法介绍 | 第28-30页 |
| 3.3 改进的SMOTE方法及实验 | 第30-38页 |
| 3.3.1 改进的SMOTE方法——NSMOTE | 第31-32页 |
| 3.3.2 不平衡数据分类评价标准 | 第32-33页 |
| 3.3.3 实验及其分析 | 第33-38页 |
| 4 不平衡数据分类的选择性集成框架 | 第38-57页 |
| 4.1 基分类器的差异性度量标准 | 第38-40页 |
| 4.2 针对不平衡数据分类问题的选择性集成框架2D-SEFrame | 第40-47页 |
| 4.2.1 定义基分类器的选择方法 | 第40-41页 |
| 4.2.2 针对不平衡数据分类的选择性集成框架2D-SEFrame | 第41-43页 |
| 4.2.3 试验及结果分析 | 第43-47页 |
| 4.3 拓展2D-SEFrame到多类分类 | 第47-57页 |
| 4.3.1 常用的多类分类策略 | 第48-49页 |
| 4.3.2 多类不平衡数据分类的挑战和评价方法 | 第49-50页 |
| 4.3.3 2D-SEFrame的多类不平衡数据分类拓展 | 第50-52页 |
| 4.3.4 实验及其分析 | 第52-57页 |
| 5 基于MC2D-SEFrame的ECG数据分类应用 | 第57-63页 |
| 5.1 ECG数据简介及预处理 | 第57-59页 |
| 5.2 ECG数据的特征提取 | 第59页 |
| 5.3 MC2D-SEFrame方法对ECG数据的分类 | 第59-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |
