| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 选题的背景及意义 | 第8-9页 |
| 1.2 国内外的研究现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10-11页 |
| 1.4 本文的结构安排 | 第11-12页 |
| 第二章 不平衡数据分类相关概念 | 第12-27页 |
| 2.1 支持向量机 | 第12-16页 |
| 2.1.1 支持向量机基本原理 | 第12-14页 |
| 2.1.2 核函数 | 第14-15页 |
| 2.1.3 支持向量机在不平衡数据分类中的应用 | 第15-16页 |
| 2.2 粒子群优化算法 | 第16-19页 |
| 2.2.1 粒子群优化算法概述 | 第16页 |
| 2.2.2 粒子群优化算法基本原理 | 第16-17页 |
| 2.2.3 粒子群优化算法的优化流程 | 第17-19页 |
| 2.3 提升算法 | 第19-21页 |
| 2.3.1 提升算法简介 | 第19页 |
| 2.3.2 AdaBoost算法 | 第19-21页 |
| 2.4 级联模型 | 第21-24页 |
| 2.4.1 数据集的划分方法 | 第21页 |
| 2.4.2 级联模型简介 | 第21-22页 |
| 2.4.3 级联模型的分类原理 | 第22-23页 |
| 2.4.4 BalanceCascade算法 | 第23-24页 |
| 2.5 AUC评价标准 | 第24-26页 |
| 2.5.1 ROC评价标准 | 第24-25页 |
| 2.5.2 AUC评价标准 | 第25页 |
| 2.5.3 查全率和查准率 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 CBP-SVM算法设计与实现 | 第27-38页 |
| 3.1 支持向量机与提升算法的结合 | 第27-28页 |
| 3.1.1 Boost-SVM算法介绍 | 第27页 |
| 3.1.2 Boost-SVM算法的分类过程 | 第27-28页 |
| 3.2 提升算法与级联模型的结合 | 第28-31页 |
| 3.2.1 CascadeBoost算法介绍 | 第28-29页 |
| 3.2.2 CascadeBoost算法的分类过程 | 第29-31页 |
| 3.3 CBP-SVM算法 | 第31-37页 |
| 3.3.1 CBP-SVM算法介绍 | 第31页 |
| 3.3.2 CBP-SVM算法设计 | 第31-34页 |
| 3.3.3 CBP-SVM算法实现 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 实验结果与分析 | 第38-43页 |
| 4.1 实验相关参数的设置 | 第38-39页 |
| 4.2 实验结果与分析 | 第39-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 总结 | 第43页 |
| 5.2 展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 附录A 攻读学位其间发表的论文及参与项目 | 第49-50页 |
| 详细摘要 | 第50-54页 |