| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景与研究目的 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 不平衡数据的处理 | 第10-12页 |
| 1.2.2 高维数据的处理 | 第12-14页 |
| 1.2.3 高维不平衡数据的分类 | 第14-15页 |
| 1.3 主要研究内容 | 第15页 |
| 1.4 章节结构安排 | 第15-16页 |
| 第2章 高维不平衡数据二分类方法基础研究 | 第16-27页 |
| 2.1 高维不平衡数据的本质 | 第16-17页 |
| 2.2 高维不平衡数据分类困难概述 | 第17-18页 |
| 2.2.1 高维问题影响不平衡问题的解决 | 第17-18页 |
| 2.2.2 不平衡问题干扰特征选择 | 第18页 |
| 2.3 支持向量机解决高维不平衡问题的优势 | 第18-24页 |
| 2.3.1 支持向量机基本理论 | 第19-20页 |
| 2.3.2 支持向量机对解决不平衡问题的优势 | 第20-22页 |
| 2.3.3 支持向量机对解决高维问题的优势 | 第22-24页 |
| 2.4 评价标准 | 第24-26页 |
| 2.4.1 原子标准 | 第25页 |
| 2.4.2 复合标准 | 第25-26页 |
| 2.4.3 受试者工作特征曲线 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 改进BRFE-PBKS-SVM算法 | 第27-46页 |
| 3.1 考虑不平衡问题的特征选择算法 | 第27-36页 |
| 3.1.1 SVM-RFE算法描述 | 第28-29页 |
| 3.1.2 基于SVM边界样本重采样方法的特征评分体系 | 第29-35页 |
| 3.1.3 改进的SVM-BRFE特征选择算法 | 第35-36页 |
| 3.2 希尔伯特空间下的过采样算法 | 第36-44页 |
| 3.2.1 PSO算法描述 | 第38-39页 |
| 3.2.2 希尔伯特空间下的PSO-Border-Kernel-SMOTE算法 | 第39-44页 |
| 3.3 BRFE-PBKS-SVM算法描述 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 实验结果与分析 | 第46-60页 |
| 4.1 实验数据与参数设置 | 第46-48页 |
| 4.1.1 数据预处理 | 第46-48页 |
| 4.1.2 算法参数设置 | 第48页 |
| 4.2 高维不平衡数据中新型问题的存在性验证及结果分析 | 第48-51页 |
| 4.2.1 验证不平衡问题干扰特征选择 | 第49-50页 |
| 4.2.2 验证高维问题影响采样效果 | 第50-51页 |
| 4.3 BRFE-PBKS-SVM算法的有效性验证 | 第51-59页 |
| 4.3.1 原子标准验证 | 第51-54页 |
| 4.3.2 复合标准验证 | 第54-57页 |
| 4.3.3 ROC曲线及AUC值验证 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间发表的学术论文 | 第65-67页 |
| 致谢 | 第67页 |
