| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究的背景与意义 | 第10-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.3 本文主要创新点 | 第16-17页 |
| 1.4 本文的组织结构 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 不平衡模式分类领域中的多分类器算法 | 第18-30页 |
| 2.1 多分类器算法 | 第18-23页 |
| 2.1.1 组合方法（Bagging） | 第18-21页 |
| 2.1.2 提升方法（Boosting） | 第21-23页 |
| 2.2 多分类器算法在不平衡模式分类领域中的应用 | 第23-29页 |
| 2.2.1 Bagging算法在不平衡模式领域中的应用 | 第23-26页 |
| 2.2.2 Boosting算法在不平衡模式分类领域中的应用 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于位置子空间重采样的多分类器算法 | 第30-48页 |
| 3.1 基于位置子空间的重采样方法 （Location Subspace Resampling） | 第30-33页 |
| 3.2 基于位置子空间重采样的LSR-Bagging/Boost多分类器算法框架 | 第33-39页 |
| 3.2.1 LSRBagging算法框架 | 第33-37页 |
| 3.2.2 LSRBoost算法框架 | 第37-39页 |
| 3.3 基于哈希子空间划分的HLSR-Bagging/Boost不平衡分类算法 | 第39-45页 |
| 3.3.1 哈希近邻检索算法 | 第39-43页 |
| 3.3.2 HLSRBagging算法 | 第43-44页 |
| 3.3.3 HLSRBoost算法 | 第44-45页 |
| 3.4 HLSR-Bagging/Boost的单量分类器算法 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 实验对比与分析 | 第48-67页 |
| 4.1 数据集 | 第48-51页 |
| 4.2 评价方法 | 第51-54页 |
| 4.2.1 单评价标准 | 第51-53页 |
| 4.2.2 接受者工作特征曲线（ROC曲线） | 第53-54页 |
| 4.3 实验设计及参数设定 | 第54-55页 |
| 4.3.1 实验设计 | 第54-55页 |
| 4.3.2 参数设定 | 第55页 |
| 4.4 实验结果及分析 | 第55-66页 |
| 4.4.1 人造数据集上HLSRBagging与IRUS的性能对比 | 第55-62页 |
| 4.4.2 UCI数据集上HLSR-Bagging/Boost与IRUS/RUSBoost/AdaBoost的性能对比 | 第62-66页 |
| 4.5 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 致谢 | 第75-76页 |
| 附件 | 第76页 |
