非平衡数据下的核方法分类研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景 | 第7-8页 |
| ·非平衡数据分类的困难 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文主要工作及结构安排 | 第10-12页 |
| 第二章 核方法理论 | 第12-21页 |
| ·核方法原理及核函数理论 | 第12-15页 |
| ·核方法原理 | 第12-13页 |
| ·核函数理论 | 第13-15页 |
| ·支持向量机 | 第15-21页 |
| ·线性支持向量机 | 第16-19页 |
| ·非线性支持向量机 | 第19-21页 |
| 第三章 现有的非平衡数据分类核方法 | 第21-26页 |
| ·支持向量机学习算法 | 第21-22页 |
| ·传统支持向量机的不足 | 第21-22页 |
| ·不同惩罚因子的支持向量机 | 第22页 |
| ·ACT及KBA算法 | 第22-26页 |
| ·黎曼度量 | 第23-24页 |
| ·ACT算法 | 第24-25页 |
| ·KBA算法 | 第25-26页 |
| 第四章 基于SMOIS的核方法研究 | 第26-37页 |
| ·SMOIS方法 | 第26-30页 |
| ·问题的引出 | 第26-28页 |
| ·基本思路 | 第28-29页 |
| ·算法描述 | 第29-30页 |
| ·基于SMOIS的SVM算法 | 第30-34页 |
| ·基于不同惩罚因子的SVM的不足 | 第30-31页 |
| ·核矩阵的生成 | 第31页 |
| ·基于SMOIS的SVM算法 | 第31-34页 |
| ·SMOIS-SVM算法的相关分析 | 第34-37页 |
| ·形式化分析 | 第34-36页 |
| ·复杂度分析 | 第36-37页 |
| 第五章 实验及性能比较 | 第37-45页 |
| ·评估度量 | 第37-38页 |
| ·g-means度量 | 第37-38页 |
| ·ROC曲线 | 第38页 |
| ·实验数据及参数选取 | 第38-40页 |
| ·实验分析及比较研究 | 第40-45页 |
| ·第一组实验 | 第40-41页 |
| ·第二组实验 | 第41-45页 |
| 第六章 总结 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 附录A 攻读学位其间发表的论文 | 第49-50页 |
| 致谢 | 第50-51页 |
