| 摘要 | 第1-3页 |
| Abstract | 第3-13页 |
| 第1章 绪论 | 第13-18页 |
| ·研究背景与意义 | 第13页 |
| ·国内外研究现状 | 第13-15页 |
| ·不平衡数据分类问题研究现状 | 第13-15页 |
| ·支持向量机的研究现状 | 第15页 |
| ·研究内容与方法 | 第15-16页 |
| ·论文结构 | 第16-18页 |
| 第2章 课题相关技术概述 | 第18-27页 |
| ·不平衡数据分类相关技术概述 | 第18-22页 |
| ·重采样方法 | 第18-19页 |
| ·代价敏感学习方法 | 第19-20页 |
| ·一类分类器 | 第20页 |
| ·集成学习方法 | 第20-22页 |
| ·支持向量机技术概述 | 第22-27页 |
| ·支持向量机的基本原理 | 第22-24页 |
| ·基于支持向量机的不平衡数据分类方法 | 第24-25页 |
| ·支持向量机的应用 | 第25-27页 |
| 第3章 基于支持向量机的最优决策阈值调整策略 | 第27-40页 |
| ·引言 | 第27页 |
| ·类不平衡数据对 SVM 性能影响 | 第27-28页 |
| ·基于最优决策阈值调整的 SVM 方法 | 第28-31页 |
| ·基于集成的决策阈值调整 SVM 方法 | 第31-33页 |
| ·结果与讨论 | 第33-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于集成支持向量机的高维多类不平衡数据分类方法 | 第40-55页 |
| ·引言 | 第40页 |
| ·常用的支持向量机多分类的方法 | 第40-42页 |
| ·基于集成 SVM 的多分类方法 | 第42-46页 |
| ·特征子空间生成策略 | 第42-44页 |
| ·结合特征子空间和计数器投票的集成分类方法 | 第44-46页 |
| ·实验设置与性能评估 | 第46-48页 |
| ·数据集 | 第46页 |
| ·性能评价指标和参数设置 | 第46-48页 |
| ·结果与讨论 | 第48-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62-63页 |
| 详细摘要 | 第63-67页 |