面向互联网应用的不平衡数据分类技术研究
| 摘要 | 第10-12页 |
| Abstract | 第12-13页 |
| 第一章 绪论 | 第14-48页 |
| 1.1 研究背景 | 第14-17页 |
| 1.1.1 研究意义 | 第15-16页 |
| 1.1.2 研究面临的挑战 | 第16-17页 |
| 1.2 相关研究工作 | 第17-43页 |
| 1.2.1 问题定义 | 第19-20页 |
| 1.2.2 评价策略 | 第20-24页 |
| 1.2.3 方法概述 | 第24页 |
| 1.2.4 数据重采样方法 | 第24-28页 |
| 1.2.5 集成学习方法 | 第28-34页 |
| 1.2.6 代价敏感学习方法 | 第34-38页 |
| 1.2.7 现有算法改造方法 | 第38-40页 |
| 1.2.8 相关研究小结 | 第40-43页 |
| 1.3 本文的工作与创新 | 第43-45页 |
| 1.4 本文的组织结构 | 第45-48页 |
| 第二章 自适应双向不平衡数据采样方法 | 第48-68页 |
| 2.1 相关研究 | 第48-49页 |
| 2.2 方法描述 | 第49-55页 |
| 2.2.1 符号化 | 第50页 |
| 2.2.2 噪声过滤 | 第50-52页 |
| 2.2.3 自适应双向不平衡数据采样 | 第52-55页 |
| 2.3 实验与结果分析 | 第55-64页 |
| 2.3.1 实验环境及测试数据 | 第55-56页 |
| 2.3.2 评价策略 | 第56页 |
| 2.3.3 结果与分析 | 第56-64页 |
| 2.4 进一步讨论 | 第64-67页 |
| 2.4.1 噪声的判定 | 第64-65页 |
| 2.4.2 最佳不平衡比的获取 | 第65-66页 |
| 2.4.3 算法的复杂度与可扩展性 | 第66-67页 |
| 2.5 本章小结 | 第67-68页 |
| 第三章 基于分解策略的多类别不平衡数据分类方法 | 第68-86页 |
| 3.1 研究背景 | 第68-69页 |
| 3.2 相关研究 | 第69-73页 |
| 3.3 多类别不平衡数据分解框架 | 第73-78页 |
| 3.3.1 问题定义 | 第73-74页 |
| 3.3.2 分解策略 | 第74-78页 |
| 3.3.3 数据重采样 | 第78页 |
| 3.4 实验与结果分析 | 第78-85页 |
| 3.4.1 数据集 | 第79-81页 |
| 3.4.2 评价策略 | 第81页 |
| 3.4.3 结果分析 | 第81-85页 |
| 3.5 本章小结 | 第85-86页 |
| 第四章 基于集成学习的多标签不平衡数据分类方法 | 第86-102页 |
| 4.1 研究背景 | 第86-87页 |
| 4.2 相关研究 | 第87-91页 |
| 4.3 多标签不平衡数据集成学习方法 | 第91-94页 |
| 4.3.1 集成学习框架 | 第91-92页 |
| 4.3.2 基础分类器设计 | 第92-94页 |
| 4.4 实验与结果分析 | 第94-100页 |
| 4.4.1 数据集 | 第95页 |
| 4.4.2 评价策略 | 第95-97页 |
| 4.4.3 结果分析 | 第97-100页 |
| 4.5 本章小结 | 第100-102页 |
| 第五章 不平衡数据流环境下的多窗口集成学习方法 | 第102-126页 |
| 5.1 研究背景 | 第102-103页 |
| 5.2 问题定义 | 第103-104页 |
| 5.3 相关研究 | 第104-106页 |
| 5.3.1 数据流分类 | 第104-105页 |
| 5.3.2 不平衡数据流分类 | 第105-106页 |
| 5.4 多窗口集成学习 | 第106-114页 |
| 5.4.1 多窗口机制 | 第106-108页 |
| 5.4.2 子分类器窗口更新策略 | 第108页 |
| 5.4.3 多窗口集成学习框架 | 第108-114页 |
| 5.5 实验与结果分析 | 第114-123页 |
| 5.5.1 数据集 | 第114-115页 |
| 5.5.2 评价策略 | 第115-116页 |
| 5.5.3 滑动窗口大小设定 | 第116-118页 |
| 5.5.4 少数类窗口大小设定 | 第118-119页 |
| 5.5.5 子分类器窗口大小设定 | 第119-121页 |
| 5.5.6 与已有方法的对比测试 | 第121-123页 |
| 5.6 进一步讨论 | 第123-124页 |
| 5.7 本章小结 | 第124-126页 |
| 第六章 总结与展望 | 第126-130页 |
| 6.1 论文工作总结 | 第126-128页 |
| 6.2 课题研究展望 | 第128-130页 |
| 致谢 | 第130-132页 |
| 参考文献 | 第132-142页 |
| 作者在学期间取得的学术成果 | 第142-145页 |
| 攻读博士学位期间参与的科研项目 | 第145页 |
