| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 不平衡数据问题研究现状 | 第10-11页 |
| 1.2.2 基于SVM的多分类方法研究现状 | 第11-12页 |
| 1.3 研究内容及创新 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 2 基础理论与相关知识 | 第15-25页 |
| 2.1 支持向量机算法 | 第15-19页 |
| 2.1.1 线性可分支持向量机 | 第15-16页 |
| 2.1.2 线性不可分支持向量机 | 第16-17页 |
| 2.1.3 核函数 | 第17-19页 |
| 2.2 支持向量机多类分类方法 | 第19-20页 |
| 2.2.1 一对一算法 | 第19页 |
| 2.2.2 有向无环图算法 | 第19-20页 |
| 2.2.3 支持向量机决策树方法 | 第20页 |
| 2.3 信息熵与熵的估值 | 第20-21页 |
| 2.3.1 信息熵 | 第20-21页 |
| 2.3.2 熵的估值 | 第21页 |
| 2.4 模型性能评价 | 第21-24页 |
| 2.4.1 混淆矩阵 | 第22-23页 |
| 2.4.2 其他性能评价指标 | 第23页 |
| 2.4.3 性能权衡的可视化 | 第23-24页 |
| 2.5 SMOTE算法 | 第24-25页 |
| 3 基于动态信息熵的SVM决策树改进算法 | 第25-33页 |
| 3.1 基于动态信息熵的特征选择策略 | 第25-26页 |
| 3.2 改进的欠采样方法 | 第26-28页 |
| 3.3 改进的新多分类方法DIE-SVMDT | 第28-30页 |
| 3.4 本章小结 | 第30-33页 |
| 4 实验及结果分析 | 第33-37页 |
| 4.1 实验平台介绍 | 第33页 |
| 4.2 实验内容及分析 | 第33-36页 |
| 4.2.1 数据预处理 | 第33-34页 |
| 4.2.2 实验内容与分析 | 第34-36页 |
| 4.3 本章小结 | 第36-37页 |
| 5 DIE-SVMDT算法在葡萄酒质量分类中的应用 | 第37-45页 |
| 5.1 概述 | 第37页 |
| 5.2 DIE-SVMDT多类分类方法应用 | 第37页 |
| 5.3 实验内容与分析 | 第37-43页 |
| 5.3.1 数据来源及数据处理 | 第37-40页 |
| 5.3.2 参数设置 | 第40-41页 |
| 5.3.3 实验结果与分析 | 第41-43页 |
| 5.4 本章小结 | 第43-45页 |
| 6 总结与展望 | 第45-47页 |
| 6.1 研究总结 | 第45-46页 |
| 6.2 研究前景与展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录 | 第51-53页 |
| 攻读学位期间取得的研究成果 | 第53-55页 |
| 致谢 | 第55-59页 |