面向非平衡数据集的多簇IB算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 引言 | 第9-17页 |
| 1.1 研究背景与现状 | 第9-12页 |
| 1.2 本文工作概述 | 第12-15页 |
| 1.3 本文内容与结构 | 第15-17页 |
| 2. 背景知识 | 第17-35页 |
| 2.1 相关概念 | 第17-22页 |
| 2.1.1 符号定义 | 第17页 |
| 2.1.2 信息熵 | 第17-19页 |
| 2.1.3 KL距离 | 第19页 |
| 2.1.4 互信息 | 第19-21页 |
| 2.1.5 JS距离 | 第21页 |
| 2.1.6 马尔科夫链 | 第21-22页 |
| 2.2 IB方法 | 第22-29页 |
| 2.2.1. 率失真理论 | 第22-23页 |
| 2.2.2. 基本思想 | 第23-26页 |
| 2.2.3. iIB算法 | 第26-27页 |
| 2.2.4. aIB算法 | 第27-28页 |
| 2.2.5. sIB算法 | 第28-29页 |
| 2.3 混淆矩阵 | 第29-30页 |
| 2.4 共现数据 | 第30-32页 |
| 2.5 非平衡数据 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 3. 面向非平衡数据的多簇IB算法 | 第35-41页 |
| 3.1 Mc IB算法思想 | 第35-36页 |
| 3.2 多簇数目的确定 | 第36-37页 |
| 3.3 相似性度量 | 第37-38页 |
| 3.4 Mc IB算法描述 | 第38-40页 |
| 3.5 Mc IB算法时间复杂度分析 | 第40页 |
| 3.6 本章小结 | 第40-41页 |
| 4. 实验结果与分析 | 第41-51页 |
| 4.1. 实验设计 | 第41页 |
| 4.2. 实验环境 | 第41-42页 |
| 4.3. 实验数据 | 第42-44页 |
| 4.3.1. Reuters数据集 | 第42页 |
| 4.3.2. UCI数据集 | 第42-43页 |
| 4.3.3. 人工数据集 | 第43-44页 |
| 4.4. 评估函数 | 第44-45页 |
| 4.5. 实验结果与分析 | 第45-50页 |
| 4.5.1. Reuters的实验结果 | 第45-48页 |
| 4.5.2. UCI数据集的实验结果 | 第48-50页 |
| 4.5.3. 人工数据集的实验结果 | 第50页 |
| 4.6. 本章小结 | 第50-51页 |
| 5. 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 个人简历、在学校期间发表的学术论文与研究成果 | 第59页 |
