| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 前言 | 第9-14页 |
| ·机器学习的主要研究问题 | 第9页 |
| ·代价敏感分类技术 | 第9-10页 |
| ·代价敏感分类技术研究现状 | 第10-11页 |
| ·本论文选题意义 | 第11-12页 |
| ·本论文主要工作 | 第12-14页 |
| 第2章 分类的相关概念及代价敏感学习相关问题 | 第14-18页 |
| ·分类（Classification）简介 | 第14-15页 |
| ·分类的基本概念 | 第14页 |
| ·分类的基本技术 | 第14-15页 |
| ·代价敏感的学习（Cost-sensitive Learning） | 第15-18页 |
| 第3章 多维约束条件下代价定义的研究 | 第18-23页 |
| ·主要思想 | 第18-19页 |
| ·代价敏感与决策树算法相结合 | 第18-19页 |
| ·基本概念 | 第19-22页 |
| ·有形代价和无形代价 | 第19-22页 |
| ·有形代价（TOC：Total Cost） | 第19-20页 |
| ·无形代价——误分类代价（MC：Misclassification Cost） | 第20-22页 |
| ·效度（Utility） | 第22页 |
| ·本章小结 | 第22-23页 |
| 第4章 多维约束条件下代价敏感决策树学习 | 第23-37页 |
| ·主要思想 | 第23-26页 |
| ·分裂属性的选择 | 第23-26页 |
| ·用于指导代价敏感学习的平滑方法 | 第26页 |
| ·代价敏感决策树学习的有效策略 | 第26-32页 |
| ·决策树学习算法简介 | 第26-27页 |
| ·选择分裂属性 | 第27-30页 |
| ·剪枝策略 | 第30-31页 |
| ·建立决策树的过程 | 第31-32页 |
| ·在测试样本中进行测试 | 第32页 |
| ·实验分析 | 第32-36页 |
| ·不同缺失值的实验 | 第33-35页 |
| ·各种不同的测试代价的实验 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第5章 多维约束分类器集成学习的研究 | 第37-42页 |
| ·介绍 | 第37页 |
| ·多个多维约束分类器的组合 | 第37-40页 |
| ·集成学习 | 第37-38页 |
| ·多维约束分类器组合方法 | 第38-40页 |
| ·基本思想 | 第39页 |
| ·性能评价 | 第39-40页 |
| ·实验分析 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第6章 全文总结 | 第42-44页 |
| 参考文献 | 第44-49页 |
| 读研期间发表的论文 | 第49-50页 |
| 致谢 | 第50-51页 |