集成异种分类器分类稀有类
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-12页 |
| ·研究背景 | 第8-9页 |
| ·研究动机 | 第9-10页 |
| ·本文的贡献 | 第10页 |
| ·本文研究内容组织 | 第10-12页 |
| 第二章 分类 | 第12-22页 |
| ·分类概念 | 第12-13页 |
| ·基本的分类技术 | 第13-18页 |
| ·基于决策树的分类 | 第13-16页 |
| ·贝叶斯方法 | 第16-17页 |
| ·近邻学习方法 | 第17页 |
| ·神经网络分类 | 第17-18页 |
| ·源于规则的分类 | 第18页 |
| ·分类器的性能评估 | 第18-21页 |
| ·分类器的性能评估尺度 | 第19页 |
| ·准确度评估方法 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 稀有类分类 | 第22-35页 |
| ·稀有类问题概述 | 第22-23页 |
| ·稀有类分类算法评估标准 | 第23-25页 |
| ·现有稀有类分类方法 | 第25-28页 |
| ·不平衡数据集的处理 | 第25-26页 |
| ·使用PNrule方法分类稀有类 | 第26-27页 |
| ·使用EPRC算法分类稀有类 | 第27-28页 |
| ·集成学习方法 | 第28-34页 |
| ·集成方法的基本原理 | 第28-29页 |
| ·构建组合分类器的方法 | 第29-31页 |
| ·Boosting | 第31-33页 |
| ·Bagging | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 集成异种分类器分类稀有类 | 第35-44页 |
| ·概述 | 第35-38页 |
| ·理论基础 | 第35-36页 |
| ·算法的提出 | 第36-38页 |
| ·EDKC算法 | 第38-40页 |
| ·基本思想 | 第38页 |
| ·计算基分类器的权重 | 第38-39页 |
| ·算法描述 | 第39-40页 |
| ·实验结果分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 删除离群点提高分类器的分类效率 | 第44-57页 |
| ·数据质量 | 第44-46页 |
| ·离群点基本概念 | 第46-48页 |
| ·处理过程 | 第48-49页 |
| ·调整的k-折交叉确认 | 第48页 |
| ·处理过程 | 第48-49页 |
| ·实验结果 | 第49-56页 |
| ·利用三个分类器找到离群点 | 第49-52页 |
| ·单个分类算法的研究 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 结束语 | 第57-58页 |
| ·工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 附录: 攻读硕士学位期间发表的论文 | 第63页 |
