| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状与分析 | 第9-12页 |
| 1.3 本文的主要内容和结构安排 | 第12-14页 |
| 1.3.1 本文主要内容 | 第12-13页 |
| 1.3.2 本文结构具体安排 | 第13-14页 |
| 第2章 相关理论基础 | 第14-24页 |
| 2.1 集成学习方法概述 | 第14-17页 |
| 2.1.1 Adaboost算法 | 第15-16页 |
| 2.1.2 集成学习的应用 | 第16-17页 |
| 2.2 支持向量机 | 第17-22页 |
| 2.2.1 支持向量机基本原理 | 第17-20页 |
| 2.2.2 Adaboost与SVM结合 | 第20-21页 |
| 2.2.3 不平衡分类对SVM分类效果的影响 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第3章 结合聚类和采样策略的不平衡分类算法 | 第24-32页 |
| 3.1 算法设计 | 第24-25页 |
| 3.2 MSSC-Adaboost算法 | 第25-31页 |
| 3.2.1 基于聚类方法的负类聚类簇 | 第25页 |
| 3.2.2 Adaboost-SVM子训练集选取改进 | 第25-27页 |
| 3.2.3 MSSC-Adaboost | 第27-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 实验结果与分析 | 第32-44页 |
| 4.1 实验数据集 | 第32-33页 |
| 4.2 不平衡分类评判标准 | 第33-34页 |
| 4.2.1 查全率和查准率 | 第33页 |
| 4.2.2 G-mean | 第33页 |
| 4.2.3 F-measure | 第33-34页 |
| 4.2.4 AUC评价标准 | 第34页 |
| 4.3 数据集仿真实验 | 第34-40页 |
| 4.3.1 UCI数据集实验参数详细设计 | 第34-35页 |
| 4.3.2 电信交叉融合数据提取 | 第35页 |
| 4.3.3 UCI数据集仿真实验结果 | 第35-39页 |
| 4.3.4 仿真实验结果对比分析 | 第39-40页 |
| 4.4 MSSC-Adaboost在电信交叉融合数据的应用 | 第40-43页 |
| 4.4.1 交叉融合场景描述 | 第40页 |
| 4.4.2 建模步骤 | 第40-41页 |
| 4.4.3 MSSC-Adaboost算法在电信融合数据的应用 | 第41页 |
| 4.4.4 客户信息挖掘实验结果对比分析 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 工作总结 | 第44-45页 |
| 5.2 工作展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录1 攻读硕士学位期间发表的论文 | 第51-52页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第52-53页 |
| 详细摘要 | 第53-57页 |
