面向不平衡分布数据的主动极限学习机算法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第17-23页 |
| 1.1 课题的研究背景与意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-20页 |
| 1.2.1 不平衡数据分类问题研究现状 | 第18-19页 |
| 1.2.2 主动学习研究现状 | 第19-20页 |
| 1.2.3 极限学习机研究现状 | 第20页 |
| 1.3 本文研究内容 | 第20-21页 |
| 1.4 本文结构 | 第21-23页 |
| 第2章 课题相关技术概述 | 第23-41页 |
| 2.1 引言 | 第23页 |
| 2.2 极限学习机及扩展算法 | 第23-29页 |
| 2.2.1 极限学习机 | 第23-26页 |
| 2.2.2 WELM算法 | 第26-28页 |
| 2.2.3 AL-ELM算法 | 第28-29页 |
| 2.3 类别不平衡学习算法概述 | 第29-34页 |
| 2.3.1 样本采样技术 | 第30-32页 |
| 2.3.2 代价敏感学习技术 | 第32-34页 |
| 2.4 主动学习 | 第34-36页 |
| 2.5 类不平衡学习与主动学习的结合 | 第36页 |
| 2.6 性能评价测度 | 第36-41页 |
| 第3章 基于采样技术的主动不平衡算法 | 第41-51页 |
| 3.1 引言 | 第41页 |
| 3.2 样本采样算法 | 第41-43页 |
| 3.3 边界过采样算法 | 第43-44页 |
| 3.4 结合采样技术的主动不平衡极限学习机算法 | 第44-45页 |
| 3.5 实验结果与分析 | 第45-49页 |
| 3.5.1 数据集描述 | 第45页 |
| 3.5.2 实验设置 | 第45-46页 |
| 3.5.3 结果与讨论 | 第46-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第4章 基于代价敏感学习技术的主动在线不平衡算法 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 OS-ELM算法 | 第51-53页 |
| 4.3 OS-W-ELM算法 | 第53-55页 |
| 4.4 结合主动学习的在线加权极限学习机算法 | 第55页 |
| 4.5 实验结果与分析 | 第55-59页 |
| 4.5.1 数据集描述 | 第55-56页 |
| 4.5.2 实验设置 | 第56页 |
| 4.5.3 结果与讨论 | 第56-59页 |
| 4.6 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71-72页 |
| 详细摘要 | 第72-76页 |
