| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究概况 | 第9-11页 |
| 1.3 问题总结与分析 | 第11页 |
| 1.4 主要研究内容 | 第11-12页 |
| 1.5 本文组织结构 | 第12-13页 |
| 第2章 不平衡数据分类概述 | 第13-26页 |
| 2.1 不平衡数据的本质 | 第13-14页 |
| 2.2 不平衡数据分类困难的原因 | 第14-17页 |
| 2.2.1 不恰当的评价准则 | 第15页 |
| 2.2.2 样本稀缺 | 第15-16页 |
| 2.2.3 数据分裂 | 第16页 |
| 2.2.4 不恰当的归纳偏置 | 第16页 |
| 2.2.5 噪声 | 第16-17页 |
| 2.3 不平衡数据分类的方法 | 第17-22页 |
| 2.3.1 数据层次方法 | 第17-20页 |
| 2.3.2 算法层次方法 | 第20-22页 |
| 2.4 不平衡数据的评价准则 | 第22-25页 |
| 2.4.1 G-mean 准则 | 第23页 |
| 2.4.2 F-value 准则 | 第23页 |
| 2.4.3 ROC 曲线及 AUC 面积 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 不平衡数据分类算法 DSMOTE-BOOST | 第26-42页 |
| 3.1 Boosting 算法及改进的 Boosting | 第26-31页 |
| 3.1.1 AdaBoost 算法 | 第27-29页 |
| 3.1.2 SMOTEBoost 算法 | 第29页 |
| 3.1.3 改进的 SMOTEBoost 算法 | 第29-31页 |
| 3.2 DSMOTE-Boost 算法 | 第31-41页 |
| 3.2.1 算法描述 | 第32-34页 |
| 3.2.2 采样倍率设置 | 第34-35页 |
| 3.2.3 样本的合成 | 第35-38页 |
| 3.2.4 权值更新 | 第38-39页 |
| 3.2.5 训练误差的界 | 第39-40页 |
| 3.2.6 参数α_t的选择 | 第40-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第4章 实验结果与分析 | 第42-52页 |
| 4.1 数据集描述 | 第42-43页 |
| 4.2 实验设计 | 第43-45页 |
| 4.2.1 数据预处理 | 第43-44页 |
| 4.2.2 样本距离的计算 | 第44-45页 |
| 4.2.3 实验方案设计 | 第45页 |
| 4.3 实验结果与分析 | 第45-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-59页 |
| 致谢 | 第59页 |