| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.3 算法研究内容与方法 | 第19-20页 |
| 1.3.1 研究内容 | 第19页 |
| 1.3.2 研究方法 | 第19-20页 |
| 1.4 论文章节安排 | 第20-21页 |
| 第二章 相关理论介绍 | 第21-27页 |
| 2.1 聚类基础理论分析 | 第21-23页 |
| 2.1.1 聚类分析定义 | 第21-22页 |
| 2.1.2 聚类算法的分类 | 第22-23页 |
| 2.2 近邻传播算法基础理论分析 | 第23-25页 |
| 2.2.1 算法基本定义 | 第23-24页 |
| 2.2.2 算法流程 | 第24页 |
| 2.2.3 算法分析 | 第24-25页 |
| 2.3 支持向量机相关基础理论 | 第25-26页 |
| 2.3.1 支持向量机分类算法原理 | 第25-26页 |
| 2.3.2 核函数 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于加权系数和邻域密度因子的近邻传播算法 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 DAMS-AP算法概述 | 第27-28页 |
| 3.3 基于加权系数和邻域密度因子的近邻传播算法 | 第28-32页 |
| 3.3.1 算法提出背景 | 第28-29页 |
| 3.3.2 局部加权系数 | 第29页 |
| 3.3.3 邻域密度因子 | 第29-31页 |
| 3.3.4 算法流程 | 第31-32页 |
| 3.4 实验结果及分析 | 第32-41页 |
| 3.4.1 实验参数设置 | 第32页 |
| 3.4.2 人工数据集实验 | 第32-37页 |
| 3.4.3 UCI标准数据集实验 | 第37-39页 |
| 3.4.4 邻域密度因子分析 | 第39-40页 |
| 3.4.5 算法时间复杂度 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于近邻传播和领域密度欠取样的SVM算法 | 第42-54页 |
| 4.1 引言 | 第42-43页 |
| 4.2 不均衡数据下SVM分类问题与欠取样分析 | 第43-45页 |
| 4.2.1 SVM分类问题 | 第43-44页 |
| 4.2.2 欠取样算法分析 | 第44-45页 |
| 4.3 基于WNDFAP-LD欠取样SVM算法 | 第45-47页 |
| 4.3.1 算法基本思想 | 第45-46页 |
| 4.3.2 算法流程 | 第46-47页 |
| 4.4 实验结果及分析 | 第47-53页 |
| 4.4.1 不均衡数据分类性能评估指标 | 第47-48页 |
| 4.4.2 实验数据选取 | 第48页 |
| 4.4.3 实验参数设置 | 第48-49页 |
| 4.4.4 不同算法分类性能比较 | 第49-51页 |
| 4.4.5 权重系数γ的选取 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于WNDFAP-LD-SVM的雾霾预测模型 | 第54-57页 |
| 5.1 引言 | 第54页 |
| 5.2 实验仿真及分析 | 第54-56页 |
| 5.2.1 实验环境及参数设置 | 第54-55页 |
| 5.2.2 实验数据集 | 第55-56页 |
| 5.2.3 实验对比及分析 | 第56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-60页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64-65页 |