| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本文主要研究目标和创新点 | 第10页 |
| 1.4 本文组织结构 | 第10-11页 |
| 1.5 本章小结 | 第11-12页 |
| 2 不均衡数据分类研究基础 | 第12-19页 |
| 2.1 主要研究方向 | 第12-16页 |
| 2.1.1 数据层面的研究方向 | 第12-13页 |
| 2.1.2 算法层面的研究方向 | 第13-14页 |
| 2.1.3 评价标准的优化 | 第14-16页 |
| 2.2 经典分类算法 | 第16-18页 |
| 2.2.1 决策树 | 第16-17页 |
| 2.2.2 贝叶斯学习算法 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 相关过采样算法 | 第19-25页 |
| 3.1 SMOTE算法 | 第19-20页 |
| 3.2 BORDERLINE-SMOTE算法 | 第20-21页 |
| 3.3 SD-ISMOTE算法 | 第21-24页 |
| 3.4 本章小结 | 第24-25页 |
| 4 基于维诺图的不均衡数据分类 | 第25-42页 |
| 4.1 引言 | 第25-26页 |
| 4.2 基于维诺图的不均衡数据分类算法V-SYNTHⅠ | 第26-36页 |
| 4.2.1 基本思想 | 第26-27页 |
| 4.2.2 基于维诺图的边界识别 | 第27-31页 |
| 4.2.3 样本边界度量 | 第31-32页 |
| 4.2.4 融合样本边界度的过采样策略 | 第32-33页 |
| 4.2.5 新样本合成方法 | 第33-35页 |
| 4.2.6 V-synthⅠ算法分析 | 第35-36页 |
| 4.3 结合局部密度的不均衡分类算法V-SYNTHⅡ | 第36-41页 |
| 4.3.1 基本思想 | 第36-37页 |
| 4.3.2 局部密度分析 | 第37-38页 |
| 4.3.3 融合样本边界度和密度权值的过采样策略 | 第38-40页 |
| 4.3.4 V-synthⅡ算法分析 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 5 实验设计与结果分析 | 第42-54页 |
| 5.1 实验环境 | 第42页 |
| 5.2 人工数据集测试 | 第42-46页 |
| 5.2.1 人工数据集 1 | 第42-44页 |
| 5.2.2 人工数据集 2 | 第44-46页 |
| 5.3 UCI数据集 | 第46-52页 |
| 5.3.1 参数变化分析测试 | 第46-49页 |
| 5.3.2 不均衡分类性能测试 | 第49-52页 |
| 5.4 本章小结 | 第52-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 论文总结 | 第54-55页 |
| 6.2 研究展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
| A. 作者在攻读硕士学位期间发表论文的目录 | 第60页 |