| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 论文研究背景与意义 | 第11-12页 |
| 1.2 论文研究内容 | 第12-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 研究现状 | 第15-21页 |
| 2.1 贫困生认定研究现状 | 第15-16页 |
| 2.2 支持向量机研究现状 | 第16-20页 |
| 2.2.1 针对类不平衡问题的支持向量机研究现状 | 第16-18页 |
| 2.2.2 模糊支持向量机研究现状 | 第18-19页 |
| 2.2.3 现有方法的不足之处 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 相关技术介绍 | 第21-31页 |
| 3.1 支持向量机 | 第21-27页 |
| 3.1.1 支持向量机的基本原理 | 第21-22页 |
| 3.1.2 标准支持向量机 | 第22-25页 |
| 3.1.3 代价敏感支持向量机 | 第25-26页 |
| 3.1.4 模糊支持向量机 | 第26-27页 |
| 3.2 随机森林排名 | 第27-28页 |
| 3.3 类不平衡数据集的分类评价法 | 第28-30页 |
| 3.3.1 敏感性、特异性及其几何平均值 | 第28-29页 |
| 3.3.2 ROC与ROC_AUC | 第29-30页 |
| 3.4 K折交叉验证法 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 可变隶属度2C-FSVM模型 | 第31-55页 |
| 4.1 可变隶属度2C-FSVM模型 | 第31-32页 |
| 4.2 模型求解 | 第32-37页 |
| 4.3 可变模糊隶属度的计算 | 第37-40页 |
| 4.3.1 基于距离类中心距离的隶属度计算 | 第37-38页 |
| 4.3.2 基于紧密度的隶属度计算 | 第38-39页 |
| 4.3.3 基于距离和紧密度的可变隶属度 | 第39页 |
| 4.3.4 可变隶属度计算流程 | 第39-40页 |
| 4.4 正负类惩罚参数的设置 | 第40-41页 |
| 4.5 模型分析 | 第41-43页 |
| 4.6 公开数据集实验 | 第43-54页 |
| 4.6.1 实验环境 | 第43-44页 |
| 4.6.2 公开数据集介绍 | 第44-45页 |
| 4.6.3 实验设置 | 第45页 |
| 4.6.4 03 subcl5-600-5-0-BI数据集上的实验结果 | 第45-47页 |
| 4.6.5 03 subcl5-600-5-30-BI数据集上的实验结果 | 第47-48页 |
| 4.6.6 03 subcl5-600-5-60-BI数据集上的实验结果 | 第48-49页 |
| 4.6.7 03 subcl5-800-7-30-BI数据集上的实验结果 | 第49-50页 |
| 4.6.8 04 clover5z-800-7-30-BI数据集上的实验结果 | 第50-51页 |
| 4.6.9 实验结果分析 | 第51-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 应用可变隶属度2C-FSVM辅助认定贫困生 | 第55-72页 |
| 5.1 整体流程 | 第55-56页 |
| 5.2 数据采集 | 第56-58页 |
| 5.2.1 一卡通月流水记录数据表 | 第56-57页 |
| 5.2.2 贫困生名单表 | 第57-58页 |
| 5.2.3 学生基本数据表 | 第58页 |
| 5.3 数据预处理 | 第58-60页 |
| 5.4 数据初步分析 | 第60-63页 |
| 5.5 特征工程 | 第63-65页 |
| 5.6 实验设置 | 第65-66页 |
| 5.7 实验结果及分析 | 第66-68页 |
| 5.8 贫困生辅助认定 | 第68-70页 |
| 5.9 本章小结 | 第70-72页 |
| 总结与展望 | 第72-74页 |
| 研究工作总结 | 第72-73页 |
| 工作展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |
