| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究目的和意义 | 第11-13页 |
| 1.2 国内外研究现状分析 | 第13-16页 |
| 1.2.1 降维算法研究现状 | 第13-14页 |
| 1.2.2 分类学习算法研究现状 | 第14-15页 |
| 1.2.3 机器学习中不平衡数据集问题研究现状 | 第15-16页 |
| 1.3 论文的主要研究内容 | 第16-18页 |
| 1.3.1 小样本数据的特征提取方法研究 | 第16-17页 |
| 1.3.2 不平衡数据集的平衡化处理方法研究 | 第17页 |
| 1.3.3 不平衡数据集的分类方法研究 | 第17页 |
| 1.3.4 本文的总体研究方法 | 第17-18页 |
| 1.4 论文的章节安排 | 第18-20页 |
| 第2章 基于粒子群优化的特征提取算法研究 | 第20-45页 |
| 2.1 基于核线性鉴别分析的特征提取算法 | 第20-26页 |
| 2.1.1 线性鉴别分析 | 第20-22页 |
| 2.1.2 非线性映射的引入 | 第22-24页 |
| 2.1.3 KLDA 算法 | 第24-26页 |
| 2.2 基于核局部保持投影的特征提取算法 | 第26-30页 |
| 2.2.1 流形学习简介 | 第26-27页 |
| 2.2.2 拉普拉斯特征值映射 | 第27-28页 |
| 2.2.3 局部保持投影算法 | 第28页 |
| 2.2.4 非线性的核局部保持投影算法 | 第28-30页 |
| 2.3 基于核主元分析的特征提取算法 | 第30-32页 |
| 2.4 基于同时图优化和降维的特征提取算法 | 第32-33页 |
| 2.5 基于粒子群参数优化的特征提取算法 | 第33-37页 |
| 2.6 特征提取融合方案 | 第37-39页 |
| 2.6.1 传统的基于串联的融合方法 | 第37页 |
| 2.6.2 基于加权平均的融合方案 | 第37页 |
| 2.6.3 决策级融合方案 | 第37-39页 |
| 2.7 实验结果及分析 | 第39-44页 |
| 2.7.1 数据集及实验环境描述 | 第39-40页 |
| 2.7.2 参数优化结果 | 第40-41页 |
| 2.7.3 基于最优参数的特征提取算法实验结果 | 第41-42页 |
| 2.7.4 基于最优参数的高维数据集的可视化结果 | 第42-43页 |
| 2.7.5 基于决策级融合的特征提取算法实验 | 第43-44页 |
| 2.8 本章小结 | 第44-45页 |
| 第3章 不平衡样本的平衡化处理方法研究 | 第45-61页 |
| 3.1 基于改进 SMOTE 算法的正例样本的过抽样处理 | 第45-47页 |
| 3.1.1 经典的 SMOTE 算法 | 第45-46页 |
| 3.1.2 改进的 SMOTE 算法 | 第46-47页 |
| 3.2 基于谱聚类的负例样本的欠抽样处理 | 第47-50页 |
| 3.2.1 谱聚类算法 | 第47-48页 |
| 3.2.2 基于谱聚类的样本欠抽样处理算法 | 第48-50页 |
| 3.3 联合谱聚类和改进 SMOTE 算法的样本平衡化处理算法 | 第50页 |
| 3.4 实验结果及分析 | 第50-60页 |
| 3.4.1 人工数据集的实验结果 | 第51-54页 |
| 3.4.2 UCI 数据集上的实验结果 | 第54-58页 |
| 3.4.3 算法的性能分析 | 第58-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 不平衡样本的分类方法研究 | 第61-77页 |
| 4.1 支持向量机分类器的基本原理 | 第61-64页 |
| 4.1.1 分类器的概念 | 第61页 |
| 4.1.2 SVM 简介 | 第61-64页 |
| 4.2 集成学习方法 | 第64-65页 |
| 4.2.1 集成学习的概念 | 第64-65页 |
| 4.2.2 AdaBoost 算法 | 第65页 |
| 4.3 基于 AdaBoost-SVM 的不平衡数据集的分类方法 | 第65-66页 |
| 4.4 常用的分类算法评估准则 | 第66-67页 |
| 4.5 基于 ROC 曲线的分类算法性能评估准则 | 第67-73页 |
| 4.5.1 ROC 曲线的产生算法 | 第67-71页 |
| 4.5.2 AUC 值的计算方法 | 第71-73页 |
| 4.6 实验结果及分析 | 第73-76页 |
| 4.6.1 人工数据集上的实验 | 第73-74页 |
| 4.6.2 UCI 数据集上的实验 | 第74-76页 |
| 4.7 本章小结 | 第76-77页 |
| 结论 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第83-85页 |
| 致谢 | 第85页 |
