首页--工业技术论文--无线电电子学、电信技术论文--电视论文--电视:按功能、用途分论文--电脑电视论文

面向运营商IPTV数据集的用户报障行为预测研究

摘要第4-5页
Abstract第5页
第一章 绪论第8-14页
    1.1 研究背景第8-10页
    1.2 IPTV用户报障行为预测的研究现状第10-11页
    1.3 论文的主要工作第11-12页
    1.4 论文的结构安排第12-14页
第二章 相关背景知识介绍第14-23页
    2.1 IPTV系统架构第14-16页
    2.2 非均衡数据的处理方法第16-20页
        2.2.1 研究方法第16-18页
        2.2.2 性能评估指标第18-20页
    2.3 常用机器学习算法第20-22页
        2.3.1 特征选择算法第20-21页
        2.3.2 分类算法第21-22页
    2.4 本章小结第22-23页
第三章 基于PCA主成分矩阵的IPTV用户报障特征选择算法第23-35页
    3.1 数据预处理第23-26页
        3.1.1 数据集第23-24页
        3.1.2 数据清洗第24-26页
    3.2 基于PCA主成分矩阵的特征选择算法第26-34页
        3.2.1 主成分分析第26-27页
        3.2.2 信息增益第27-28页
        3.2.3 基于PCA主成分矩阵的特征选择算法第28-29页
        3.2.4 实验结果与分析第29-34页
    3.3 本章小结第34-35页
第四章 基于改进的SMOTE的IPTV用户报障数据生成算法第35-45页
    4.1 SMOTE算法第35-36页
    4.2 基于改进的SMOTE算法的少数类数据生成第36-38页
    4.3 基础分类算法的选取第38-41页
        4.3.1 决策树算法第38-40页
        4.3.2 K近邻算法第40-41页
        4.3.3 朴素贝叶斯算法第41页
    4.4 实验结果与分析第41-44页
    4.5 本章小结第44-45页
第五章 基于K-means++的IPTV用户报障行为预测算法第45-54页
    5.1 聚类算法K-means第45-46页
    5.2 基于K-means++的欠采样算法第46-49页
        5.2.1 K-means++算法第47页
        5.2.2 基于K-means++的欠采样算法第47-49页
    5.3 实验结果与分析第49-53页
    5.4 本章小结第53-54页
第六章 总结与展望第54-56页
参考文献第56-59页
附录1 攻读硕士学位期间撰写的论文第59-60页
附录2 攻读硕士学位期间参加的科研项目第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:英文游戏网站的文本特点及本地化翻译策略--以ETTA Games本地化翻译项目为例
下一篇:基于异质性的OKC社会与知识系统交互影响研究