| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 不平衡数据分类问题研究现状 | 第11-12页 |
| 1.2.2 SVM的研究现状 | 第12-13页 |
| 1.3 论文的主要工作 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第2章 基于SVM的不平衡数据分类算法研究 | 第16-24页 |
| 2.1 SVM基本原理 | 第16-18页 |
| 2.2 SVM分类器的特点 | 第18-20页 |
| 2.2.1 软间隔优化问题的不足 | 第18页 |
| 2.2.2 支持向量比率的不平衡 | 第18-20页 |
| 2.3 基于SVM的不平衡数据分类算法 | 第20-22页 |
| 2.3.1 基于采样的方法 | 第20页 |
| 2.3.2 基于代价敏感学习的方法 | 第20-21页 |
| 2.3.3 基于集成学习的方法 | 第21页 |
| 2.3.4 其它方法 | 第21-22页 |
| 2.4 算法评估机制 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于类边界样本自适应合成的不平衡数据分类算法 | 第24-34页 |
| 3.1 引言 | 第24-25页 |
| 3.2 类边界样本自适应合成算法 | 第25-29页 |
| 3.2.1 BADASYN算法描述 | 第25-26页 |
| 3.2.2 BADASYN算法分析 | 第26-29页 |
| 3.3 实验与分析 | 第29-33页 |
| 3.3.1 实验数据 | 第29-30页 |
| 3.3.2 实验设置 | 第30页 |
| 3.3.3 实验分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 基于负相关学习的选择性SVM集成算法 | 第34-44页 |
| 4.1 引言 | 第34-35页 |
| 4.2 基于负相关学习的选择性SVM集成算法 | 第35-40页 |
| 4.2.1 负相关学习 | 第35-36页 |
| 4.2.2 AdaBoostSVM算法 | 第36-38页 |
| 4.2.3 NCAB-SVM算法 | 第38-40页 |
| 4.3 实验与分析 | 第40-42页 |
| 4.3.1 实验设置 | 第40页 |
| 4.3.2 算法的收敛性分析 | 第40页 |
| 4.3.3 泛化误差的比较 | 第40-41页 |
| 4.3.4 多样性比较 | 第41-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第5章 不平衡数据分类算法在微博情感分类中的应用 | 第44-57页 |
| 5.1 引言 | 第44-45页 |
| 5.2 微博情感极性分类问题描述 | 第45-48页 |
| 5.2.1 样本分布不平衡 | 第46-47页 |
| 5.2.2 特征分布不平衡 | 第47-48页 |
| 5.3 微博情感分析 | 第48-53页 |
| 5.3.1 数据获取 | 第48-49页 |
| 5.3.2 数据预处理 | 第49-51页 |
| 5.3.3 特征提取与表示 | 第51-52页 |
| 5.3.4 分类器训练 | 第52-53页 |
| 5.4 仿真实验与性能分析 | 第53-56页 |
| 5.4.1 实验设置 | 第53页 |
| 5.4.2 结果与分析 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-60页 |
| 6.1 研究工作总结 | 第57-58页 |
| 6.2 未来的工作展望 | 第58-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67-69页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第69页 |