| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 缺失机制 | 第8-9页 |
| 1.3 研究意义 | 第9-10页 |
| 1.4 主要研究内容与贡献 | 第10-11页 |
| 1.5 论文的结构安排 | 第11-13页 |
| 第2章 相关工作 | 第13-21页 |
| 2.1 填补法 | 第13-19页 |
| 2.1.1 均值填补法 | 第14页 |
| 2.1.2 EM填补法 | 第14页 |
| 2.1.3 C4.5决策树 | 第14-15页 |
| 2.1.4 回归填补法 | 第15-16页 |
| 2.1.5 SVM回归模型 | 第16页 |
| 2.1.6 改进的SVM回归模型 | 第16-17页 |
| 2.1.7 HEOM算法 | 第17页 |
| 2.1.8 KNN填补法与WKNN填补法 | 第17页 |
| 2.1.9 多重填补法 | 第17-18页 |
| 2.1.10 混合填补法 | 第18-19页 |
| 2.2 直接处理法 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 基于缺失数据度量的SVM模型 | 第21-41页 |
| 3.1 缺失数据的度量方法 | 第21-24页 |
| 3.2 基于缺失数据度量的SVM优化 | 第24-26页 |
| 3.3 算法模拟 | 第26-27页 |
| 3.4 实验设置 | 第27-28页 |
| 3.5 评价指标 | 第28-29页 |
| 3.6 数据集和实验结果 | 第29-39页 |
| 3.6.1 Breast-Cancer-Wisconsin数据集 | 第29-31页 |
| 3.6.2 Horse-Colic数据集 | 第31-32页 |
| 3.6.3 Hayes-Roth数据集 | 第32页 |
| 3.6.4 LungCancer数据集 | 第32-37页 |
| 3.6.5 New-Thyroid数据集 | 第37页 |
| 3.6.6 数据汇总分析 | 第37-39页 |
| 3.7 本章小结 | 第39-41页 |
| 第4章 基于缺失数据度量方法改进的SVM模型 | 第41-51页 |
| 4.1 缺失数据度量方法的改进 | 第41-42页 |
| 4.2 实验验证 | 第42-50页 |
| 4.2.1 Breast-Cancer-Wisconsin数据集 | 第42-48页 |
| 4.2.2 Horse-Colic数据集 | 第48页 |
| 4.2.3 Hayes-Roth数据集 | 第48页 |
| 4.2.4 LungCancer数据集 | 第48页 |
| 4.2.5 New-Thyroid数据集 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 发表论文和参加科研情况说明 | 第56-57页 |
| 致谢 | 第57页 |