| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景及其研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 数据层面方法 | 第11-13页 |
| 1.2.2 算法层面的方法 | 第13-14页 |
| 1.3 存在问题 | 第14页 |
| 1.4 本课题研究内容与论文安排 | 第14-18页 |
| 1.4.1 本课题研究内容 | 第14-16页 |
| 1.4.2 论文结构安排 | 第16-18页 |
| 第二章 非平衡数据集分类方法的相关理论 | 第18-30页 |
| 2.1 非平衡数据集 | 第18页 |
| 2.2 欠抽样算法 | 第18-20页 |
| 2.2.1 基于聚类的欠抽样算法 | 第19-20页 |
| 2.2.2 去冗余欠抽样算法 | 第20页 |
| 2.3 决策树 | 第20-23页 |
| 2.4 代价敏感理论 | 第23-25页 |
| 2.5 集成算法 | 第25-27页 |
| 2.6 评价指标 | 第27-28页 |
| 2.7 本章小结 | 第28-30页 |
| 第三章 基于聚类融合去冗余的欠抽样算法 | 第30-46页 |
| 3.1 提出动机与基本思想 | 第30页 |
| 3.2 聚类算法 | 第30-31页 |
| 3.3 基于聚类融合去冗余的欠抽样方法 | 第31-34页 |
| 3.3.1 相似度冗余系数概念 | 第31页 |
| 3.3.2 基于聚类融合去冗余的一种改进欠抽样方法 | 第31-34页 |
| 3.4 算法分析 | 第34-36页 |
| 3.5 实验结果与分析 | 第36-43页 |
| 3.5.1 实验数据 | 第36-37页 |
| 3.5.2 实验设计 | 第37-38页 |
| 3.5.3 实验结果与分析 | 第38-43页 |
| 3.6 本章小结 | 第43-46页 |
| 第四章 基于强化学习累积回报属性选择策略的改进决策树算法 | 第46-58页 |
| 4.1 强化学习 | 第46-50页 |
| 4.1.1 强化学习研究背景 | 第46页 |
| 4.1.2 强化学习理论基础 | 第46-50页 |
| 4.2 基于强化学习的累积回报属性选择方法 | 第50-53页 |
| 4.2.1 提出动机与基本思想 | 第50-51页 |
| 4.2.2 属性选择策略 | 第51-53页 |
| 4.3 实验结果及分析 | 第53-56页 |
| 4.3.1 实验数据 | 第53页 |
| 4.3.2 实验设计 | 第53-54页 |
| 4.3.3 实验结果与分析 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 基于同分布随机抽样的改进集成森林算法 | 第58-70页 |
| 5.1 随机森林算法 | 第58-60页 |
| 5.1.1 随机森林算法原理 | 第58-59页 |
| 5.1.2 随机森林算法的实现 | 第59-60页 |
| 5.2 基于同分布随机抽样的改进集成森林算法的提出动机和基本思想 | 第60-61页 |
| 5.3 同分布随机抽样法 | 第61-63页 |
| 5.4 基于强化学习累积回报属性选择法 | 第63页 |
| 5.5 基于同分布随机抽样的改进集成森林算法 | 第63-65页 |
| 5.6 实验及结果分析 | 第65-67页 |
| 5.6.1 实验数据 | 第65页 |
| 5.6.2 实验设计 | 第65页 |
| 5.6.3 实验结果与分析 | 第65-67页 |
| 5.7 本章小结 | 第67-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 下一步工作展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 攻读硕士学位期间发表的学术论文 | 第80-81页 |
| 项目受资助情况 | 第81页 |
